---
title: "AI代理（Agent）"
slug: agent
language: zh-TW
source: https://aiterms.tw/terms/agent
updated_at: 2026-06-27
tags: [AI應用, 生成式AI, 大型語言模型, Prompt工程, source:arxiv]
ipas_term: false
---

# AI代理（Agent）

具備自主感知環境、做出決策並執行相應動作以達成特定目標的智慧型軟體實體。

## 完整說明

AI代理是一種能夠自主感知環境、進行推理與決策並採取行動的智慧系統，用於自動化執行複雜的多步驟任務，常見應用包括自動化客服、智慧家庭助理、遊戲NPC以及具備自我反思能力的自主研發機器人。

## 常見問題

### 企業現在導入 AI Agent 會有什麼挑戰？

企業導入 AI Agent 最大的挑戰在於「穩定性」與「權限控制」。Agent 具備自主決策與執行工具的能力，若規劃邏輯發生偏移（幻覺），可能會執行非預期的操作，例如錯誤刪除資料庫或發送錯誤郵件。此外，如何安全地授權 Agent 存取企業內部的 API 與核心系統也是一大難題。因此，初期導入通常建議採用「Human-in-the-loop（人在迴路）」模式，讓 Agent 提供計畫與草稿，由人類進行最終的審批與授權，以確保風險可控。

### 多代理系統 (Multi-Agent System) 跟單一代理有什麼不同？

單一代理通常需要包攬任務規劃、執行、檢查等所有工作，在處理複雜任務時容易因為上下文過長而分心或迷失目標。多代理系統則是模擬人類團隊的運作模式，將不同職責指派給多個專門的 Agent。例如，在軟體開發場景中，會有專門負責撰寫程式碼的 Coder Agent、負責測試的 Tester Agent 以及負責審查的 Reviewer Agent。它們透過對話與協作完成任務，這種分工機制大幅提升了複雜任務的成功率與輸出品質。

### 開發一個 AI Agent 需要使用哪些核心的技術或框架？

開發 AI Agent 首先需要強大的大型語言模型（如 GPT-4 或 Claude 3）作為核心決策大腦。接著需要利用 LangChain 或 LlamaIndex 等框架來串接各種組件。關鍵技術包含：使語言模型能輸出結構化指令的 Function Calling（函數調用）能力、用於儲存短期對話歷史的緩存記憶體、用於長期知識儲存的向量資料庫（如 Pinecone 或 Milvus），以及負責具體執行的各種外部工具 API（如網路搜尋、程式碼直譯器等）。

---

來源：https://aiterms.tw/terms/agent
快查頁：https://aiterms.tw/terms/agent
最後更新：2026/06/27
深度解說：https://aiterms.tw/learning/what-is-agent