F.1 AI Agent 的核心本質與四大設計模式
學完本節,你能夠:
- 用「感知、記憶、規劃、行動」四個元件,說明 LLM 和 AI Agent 的差別。
- 畫出 ReAct 迴圈(思考 → 行動 → 觀察),並指出每一步由誰負責。
- 判斷一個商業任務該用哪一種設計模式:反思、工具使用、規劃、多 Agent 協作。
💡 附錄 F 怎麼讀:第 7~14 章把 Agent 的零件拆開來一節一節練;附錄 F 把它們放回同一張全景圖,方便複習與查找。每一節都會標出「詳見 X.Y 節」,需要動手時請回到正文。
壹、開場情境:同一個問題,兩種回答
📌 以下為教學情境(依進口實務改編)。
進口商的採購經理問 AI:「下週到港的那批鋰電池,如果關稅調漲,毛利會不會跌破 10%?」
| 只用聊天模型(LLM) | 用 AI Agent | |
|---|---|---|
| 回答 | 「關稅調漲通常會壓縮毛利,建議您查詢最新稅率並重新試算。」 | 「這批貨值 US$ 250,000;稅率從 3.5% 調到 7.5% 後,毛利率由 13.75% 降到 10.42%,仍高於 10% 底線,但只剩 0.42 個百分點的空間。」 |
| 資料從哪來 | 模型訓練時學到的一般知識 | 呼叫 ERP 查貨值、查稅率資料、用程式計算 |
| 能不能核對 | 不能,沒有出處 | 能,每一步都有紀錄 |
第一種回答沒有錯,只是沒有用。本節要回答的問題: Agent 多了什麼,才能從「給建議」變成「把事情查完、算完」?
貳、核心概念
1. 從 LLM 到 Agent:多了四個元件
LLM(大型語言模型) 的本質是「根據前文預測下一個 Token」(詳見 7.1 節)。它很博學,但看不到你的 ERP、記不住上週的對話、也不能按任何按鈕。AI Agent 是在 LLM 外面加上一套運作機制,讓它能朝一個目標自己往下做:
| 元件 | 白話說明 | 在開場情境中 | 正文 |
|---|---|---|---|
| 感知 Perception | 取得外部資訊(文件、網頁、工具回傳值) | 讀到 ERP 回傳的貨值 | 7.2、7.5 |
| 記憶 Memory | 保存對話進度與長期知識 | 記得公司毛利底線是 10% | 7.3、F.2 |
| 規劃 Planning | 把目標拆成步驟、決定下一步 | 先查貨值、再查稅率、最後計算 | 8.4、9.5 |
| 行動 Action | 呼叫工具,真的去做 | 呼叫查詢與計算工具 | 8.1~8.3 |
第 9.1 節用一句話概括:Agent = Model + Harness。模型負責判斷,模型以外的這套機制(工具、記憶、規則、驗證)負責讓判斷落地,也負責把它管住。
2. ReAct 迴圈:Agent 的基本運作方式
ReAct(Reasoning + Acting) 出自 Yao 等人 2022 年發表、2023 年刊登於 ICLR 的論文:讓模型交替「推理下一步」與「呼叫工具取得真實資料」。開場情境的執行過程如下:
📌 稅率為教學假設值。計算條件:匯率 30、銷貨收入 NT$ 9,000,000、成本只計貨值與關稅。
到岸成本 = 250,000 × 30 × (1 + 關稅率)
毛利率 = 1 − 到岸成本 ÷ 9,000,000
稅率 3.5%:成本 NT$ 7,762,500,毛利率 13.75%
稅率 7.5%:成本 NT$ 8,062,500,毛利率 10.42%
注意分工:思考由模型做,數字由工具給。模型如果自己「心算」毛利,就回到第 7.1 節講的問題:它產生的是看起來合理的文字,不是計算結果。完整的 ReAct 紀錄與失敗模式詳見 8.4 節。
3. 四大設計模式
吳恩達(Andrew Ng)在 2024 年把提升 Agent 表現的做法歸納為四種 Agentic 設計模式;微軟的入門課程 AI Agents for Beginners 也有對應單元。
| 模式 | 做法 | 管理上的類比 | 什麼時候用 | 正文 |
|---|---|---|---|---|
| 反思 Reflection | 產出草稿後,換一個角色(如「嚴格的會計」)挑錯,再修訂 | PDCA 的 Check:交出去前先自我檢查 | 輸出有明確品質標準,例如合約、報價說明 | 9.3、10.4 |
| 工具使用 Tool Use | 模型輸出結構化的呼叫參數,由外部程式執行,結果再交回模型 | 給員工配 ERP 帳號與計算機 | 需要即時資料、精確計算、改動系統 | 8.1~8.3 |
| 規劃 Planning | 先把大目標拆成有先後順序的子任務,再逐一執行 | 專案管理的工作分解(WBS) | 步驟多、彼此相依的任務 | 8.4、9.5 |
| 多 Agent 協作 Multi-Agent | 拆成多個各有角色、工具與規則的 Agent,透過訊息合作 | 部門分工 | 一個 Agent 的指令已經塞不下、或部門目標互相衝突 | 11.3、11.4、F.4 |
四種模式可以組合使用。例如報價 Agent 先規劃步驟、用工具查成本、草稿完成後反思一次,再交給財務 Agent 覆核(多 Agent)。
參、應用到情境:開場那題用了哪些模式?
| 步驟 | 使用的模式 | 如果少了它 |
|---|---|---|
| 拆成「查貨值 → 查稅率 → 計算」 | 規劃 | Agent 可能直接用印象中的稅率回答 |
| 呼叫 ERP、稅率表、計算工具 | 工具使用 | 數字是模型猜的,無法核對 |
| 回覆前檢查「10.42% 是否真的 ≥ 10%」「有沒有漏算運費」 | 反思 | 剛好在邊界上的結果容易被說反 |
| (本題不需要) | 多 Agent | 單一任務、單一部門,拆開反而增加溝通成本 |
最後一列很重要:模式不是越多越好。每多一層,就多一份成本、延遲與出錯的地方。
肆、判斷看看:常見誤解
| 說法 | 對嗎? | 說明 |
|---|---|---|
| 「Agent 是比較聰明的模型」 | ❌ | Agent 可以用同一個模型。差別在外面那套工具、記憶與規則(9.1 節) |
| 「有了 ReAct,就不用寫 if-else 規則」 | ❌ | 硬性規則(毛利底線、付款上限)仍應由程式把關,不交給模型自律(8.4、9.2 節) |
| 「反思一次就能保證正確」 | ⚠️ | 同一個模型檢查自己,可能重複同樣的錯。關鍵數字要用程式重算(9.3 節) |
| 「多 Agent 一定比單一 Agent 好」 | ❌ | 只有在角色真的需要分開時才划算(11.3 節) |
伍、回到情境
開場的 Agent 能回答,是因為它有工具可以查、有規則可以比、有紀錄可以追。但它仍有做不到的事:
| 限制 | 後果 | 在哪裡處理 |
|---|---|---|
| 稅率資料過期 | 用舊稅率算出錯誤的安心結論 | 14.3 節 資料過期就停 |
| 工具權限太大 | Agent 可能直接改 ERP 的成本資料 | 8.2、13.2 節 |
| 不知道答得好不好 | 無法決定能否上線 | 10.2 節、F.6 |
本節小結
- LLM 負責「想」;Agent 多了感知、記憶、規劃、行動,才能「做」。
- ReAct 迴圈的關鍵在「觀察」:每一步都拿到真實資料才往下走。
- 四大設計模式(反思、工具使用、規劃、多 Agent)可以組合,但每加一層都有成本。
參考資源
- Yao, S. et al. ReAct: Synergizing Reasoning and Acting in Language Models(ICLR 2023)。
- 吳恩達於 DeepLearning.AI 電子報 The Batch 討論 Agentic 設計模式的系列文章(2024)。
- Microsoft AI Agents for Beginners(GitHub 開放課程)。
- 李博傑《深入理解 AI Agent》。
陸、練習
- 改數字(5 分鐘):如果新稅率是 9%,毛利率是多少?還守得住 10% 底線嗎?請寫出算式。
- 畫迴圈(20 分鐘):任務是「找出本月逾期超過 30 天的應收帳款,並草擬催收信」。請畫出 ReAct 的思考/行動/觀察步驟,並標出哪一步應該加上「反思」。
- 管理反思(討論):四種設計模式中,哪一種最像你在實習或打工時看到的主管工作方式?如果要把那位主管的工作交給 Agent,你最不放心的是哪一步?