記者張杰倫報導
在人工智慧技術日新月異的今天，每個人或多或少都使用過ChatGPT、Claude或Gemini這類的大語言模型（LLM）。然而，AI的應用絕非僅止於「一問一答」。
AI應用的三級台階：你走到哪一步了？
要理解AI Agent，我們可以將其視為一條由淺入深的「三級台階」：
第一級台階是大語言模型（LLM）。這是最基礎的被動模式。你輸入一個問題，它輸出一個回答。例如，你請它幫忙撰寫一封請假信，它潤色完畢後輸出，任務即宣告結束。此模式有兩大局限：它不知道你的個人即時數據（如行程表），且它完全是被動的，你不提問，它絕不主動執行。
第二級台階是AI工作流（AI Workflow）。為了解決局限，人們開始將多個步驟串聯。例如，設定一個流程（如檢索增強生成，即RAG）：當詢問工作任務時，AI會先去查看你的日曆與待辦清單，再彙整輸出。然而，在工作流中，所有的決策路徑都是人類提前設定好的。它就像火車只能在既定的軌道上行駛，缺乏自主應變的能力。
第三級台階則是AI Agent（AI智能體）。這是本質上的飛躍，最核心的改變在於：做決定的人，從人類變成了AI。以寫週報為例，在工作流中，你需要指定它去哪裡抓資料、用什麼模版；而在Agent模式下，你只需給它一個目標——「寫好本週週報」，它便會運用「推理加行動」（ReAct）的能力，自己思考最佳的抓取管道、自我判斷內容是否完整，甚至主動呼叫另一個AI進行審核與反覆迭代，直到滿意為止。
搭建AI Agent的三塊積木與四種模式
吳恩達將搭建AI Agent的架構拆解為三塊核心積木：模型（負責思考的主腦）、工具（負責幹活的手腳），以及多數人最容易忽略的評估（負責打分的教練）。例如，一個電商自動客服Agent，大腦模型負責理解客人的換貨需求，而手腳工具則負責連接後台系統查庫存、發送訊息。
有了積木，該如何組合？課程中提出了四種設計模式：
1 反思模式（Reflection）：讓AI做完一遍後，自我審視、找出遺漏並修改，通常第二版的效果會顯著提升。
2 工具使用模式（Tool Use）：引入統一標準（如MCP協議），讓Agent能自主調用外部搜索、訂位或數據庫工具，延伸大腦的邊界。
3 規劃模式（Planning）：面對沒有固定流程的複雜任務（如在特定預算內規劃機票），讓Agent自行制定多步驟計劃並執行。
4 多智能體模式（Multi-Agent）：將大任務拆解，讓不同的專職Agent協同運作（如選題Agent、寫稿Agent、SEO優化Agent各自負責擅長領域），發揮團隊作戰的最大效益。
成功的另一半：不可或缺的「評估」環節
許多人在搭建完Agent後便覺得大功告成，但吳恩達強調：「評估是搭建AI Agent的另外一半。」
如果你做了一個會議紀要Agent，經過測試才可能發現它在某些特定語境下會把「已完成事項」與「待辦事項」搞混。沒有評估，錯誤的資訊就會直接發送給團隊。透過測試十到二十個不同類型的極端例子，找出Agent表現比人類差的弱點，才能針對性地優化提示詞或調整流程，這才是品質精進的關鍵。
邁向AI Agent時代的行動清單其實很簡單：先從你日常重複的簡單任務（如整理郵件、寫週報）開始，利用現成的自動化工具（如make.com、n8n）試著搭出一個AI工作流；接著，嘗試放手讓AI做更多決策、挑選工具，並嚴格進行測試與評估。記住，重點是「先做出來，再追求做好」，在反覆的迭代中，你也能擁有專屬的高效AI特遣隊。
資料來源維基百科