一句話定義

AI Agent（AI 代理）是一個被配上指令、工具與執行迴圈的 AI，你給它一個目標，它自己決定要做哪些動作、做完再回頭檢查結果。

30 秒看重點

  • 是什麼：AI Agent 是一個會自己動手的 AI 個體，不是只會回你一段文字的對話框。
  • 為什麼重要：它決定了 AI 從「幫你寫」變成「幫你做」，你的工作流程會被它整段吃掉或整段加速。
  • 跟誰相關：想自動化雜事的上班族、要導入系統的工程師，還有正在被推銷 AI 方案的主管。
  • 最常見的誤解：以為 agent 是一種更強的模型，其實它是模型加上工具跟迴圈的組合。
  • 記住這件事就夠了：你交給它的不只是問題，是權限，權限開多大，出包的規模就多大。

AI Agent 到底是什麼？

AI Agent 指的是一個「拿到目標之後會自己選動作、自己呼叫工具、自己判斷有沒有做完」的 AI 個體。它不是新的模型，是把模型包起來、再給它一雙手的做法。

這個定義聽起來抽象，可是打開各家的程式碼就很具體了。OpenAI Agents SDK 直接把 agent 寫成「配了指令、工具、護欄與 handoff 的 LLM」，Google 的 Agent Development Kit 也把 Agent 這個類別定義成「封裝了指令、工具與行為的 AI 實體」。發現了嗎？兩家大廠的講法幾乎一樣：模型是引擎，agent 是整台車，差別在方向盤、油門跟後照鏡。

生活比喻：你可以想像成請一個有鑰匙的鐘點幫手。一般聊天機器人像客服電話，你問「我家水管漏水怎麼辦」，它講一堆步驟，然後掛掉，水還在漏。AI Agent 是你把鑰匙交給對方，他自己開門進來、自己判斷是哪一段漏、自己去五金行買零件、修完傳一則訊息跟你說好了。方便到不行，可是那把鑰匙也是真的給出去了。

為什麼會有 AI Agent？

AI Agent 的出現，是因為單純會講話的模型缺兩樣東西：一雙手，還有一個不會半路忘記自己在幹嘛的腦袋。

問題一：模型本身碰不到外面的世界。 大型語言模型本質上是在預測下一個字，它沒辦法自己開瀏覽器、寄信、改檔案。你問它今天匯率多少，它只能憑訓練資料猜，猜錯了還講得很有自信。

問題二：多步驟的事情，一次回答做不完。 「幫我把這三家報價整理成表格再寄給老闆」這種事，中間至少要查、要算、要排版、要寄。每一次換手都要人接一下，AI 只負責出一張嘴，你負責當那個跑腿的。

所以做法就變成：把模型放進一個迴圈裡，讓它每一輪都能選一個動作、看到結果、再決定下一步。這個想法最早被寫成論文是 2022 年底 Shunyu Yao 等人的 ReAct（收錄於 ICLR 2023），核心概念就是讓模型把「推理」跟「行動」交錯著跑，而不是想完一次就定生死。現在幾乎所有 agent 框架的骨架都還是這一套。

AI Agent 是怎麼運作的？

拆到最小，AI Agent 就是「想一下、動一下、看結果」這三步一直繞圈，繞到做完或繞到你喊停。

  1. 想：模型根據目標與目前狀態，決定下一步要做什麼。這一步吐出來的東西你通常看不到，它是給系統讀的決策。
  2. 動：呼叫工具去執行。可能是搜尋、讀寫檔案、打 API、跑一段程式。Hugging Face 的 smolagents 就有兩種寫法，一種讓模型輸出 JSON 來指定工具，另一種是 CodeAgent 直接讓模型寫 Python 程式碼當動作，官方說法是後者平均少用 30% 的步驟。
  3. 看：把執行結果塞回模型的視野裡，讓它判斷成功或失敗。smolagents 的迴圈就是一路跑到模型主動呼叫 final_answer 才停。

「那它不會一直繞不出來嗎？」會啊，這就是為什麼框架都要做狀態管理跟中斷點。LangGraph 主打的就是「長時間執行、有狀態」的 agent，強調短期工作記憶加長期跨對話記憶、失敗後能從斷點自動接續，還能讓人在中途檢查甚至直接改掉 agent 的狀態。官方列出的使用者包含 Klarna、Replit 與 Elastic。

名詞小教室：這段講的「呼叫工具」就是 tool calling（工具呼叫），而 agent 要接上外部資料與服務，現在多半走 MCP 這套協定。簡單來講，工具呼叫是「伸手」的動作，MCP 是大家講好的插座規格。

AI Agent 跟聊天機器人差在哪？

最好記的分法是：聊天機器人交付的是一段文字，AI Agent 交付的是一個已經改變的狀態。

比較項目AI Agent（AI 代理）聊天機器人
你拿到什麼事情被做完了一段告訴你怎麼做的文字
誰決定步驟它自己排，可以來回很多輪你問一次，它答一次
有沒有碰外部系統有，會呼叫工具、讀寫資料通常沒有，只在對話框裡
出錯的代價錯誤會被真的執行出去你看到不對可以直接忽略
需要給的權限檔案、帳號、API 金鑰幾乎不用
我會在什麼情況選它重複、多步驟、規則清楚的雜事需要問意見、要我自己判斷的事

從這張表可以看出來，兩者真正的差距在於，誰的錯誤會留下痕跡。聊天機器人講錯話你笑一笑就過了，agent 講錯話它會真的把那封信寄出去。所以我自己的判斷標準很粗暴：這件事做錯了要花幾分鐘收拾？五分鐘以內的丟給 agent，一小時起跳的自己來。

你會在哪些 AI 工具看到 AI Agent？

現在最容易碰到 agent 的地方是開發框架、公司內部自用的平台，還有你的手機。

  • OpenAI Agents SDK：把 agent、handoff（轉交給另一個 agent）、guardrail（護欄）、session（自動記住對話）當成四個基本積木，另外附 tracing 讓你回頭看它每一步做了什麼，並宣稱支援 100 種以上的模型。
  • Google ADK：Agent 負責單一個體的指令與工具，Workflow 才負責把多個 agent 用圖狀流程串起來，兩層分得很乾淨。
  • LangGraph：主打長時間執行與持久化記憶，適合那種跑好幾個小時、中間還會有人插手的流程。
  • Y Combinator 的 QM：本站 8 月 2 日報過，這是 YC 內部自用後以 MIT 授權開源的多人 agent 平台，安全模式分成三段，Strict 是每個工具呼叫都要人核准、Auto 會先過內容篩檢、Dangerous 則是不篩也不停。
  • 手機：7 月我們寫過的 Nubia NaviX Ultra AI Agent 手機 就是讓 AI 直接看著螢幕跨 App 操作。

如果你是工程師，最快的入口其實是你已經在用的 AI 寫程式工具，那些會自己開檔案、自己跑測試、自己改到過的，本來就是 agent 的標準樣貌。

學 AI Agent 最常見的 3 個誤解

  1. 誤解一：AI Agent 是一種更強的模型 — 真相是同一顆模型，包成對話框就是聊天機器人，包上工具跟迴圈就是 agent。差在外面那層，不是裡面那顆。
  2. 誤解二：工具給越多越好用 — 真相是剛好相反。本站 5 月報過微軟研究團隊的 DELEGATE-52 測試，主流模型在 20 次來回之後平均損毀 25% 的文件內容，而且給它更多工具，表現平均再掉 6 個百分點。工具是選項，選項越多它越容易選錯 QQ。
  3. 誤解三：agent 跟 Agentic AI 是同一個詞 — 真相是層級不一樣。AI Agent 是一個具體的個體，Agentic AI 形容的是一整套會自己跑完的系統性質，這個我們在代理式 AI 那篇拆得比較細。

想多了解 AI Agent，從哪開始？

沒有技術背景的話，最有效的入門不是看教學，是拿你手上的 AI 工具開一個小任務給它，然後全程盯著看它從第幾步開始歪。老實講，看它出包一次學到的東西，比讀十篇介紹文還多。

如果你是工程師，建議順序是先讀 ReAct 那篇論文的概念（想跟做交錯，就這麼一句），再挑一個框架把最小範例跑起來，OpenAI Agents SDK 或 Google ADK 都可以。先搞懂迴圈長什麼樣子，再去煩惱要選誰家。

常見問題 FAQ

AI Agent 跟 AI 有什麼關係？

AI Agent 是人工智慧的一種應用形式，不是一種新的 AI 技術。它底下跑的通常還是大型語言模型，差別在於外面多了指令、工具與一個會反覆執行的迴圈，讓模型可以真的去操作外部系統。換句話說，AI 負責判斷，agent 這層負責把判斷變成動作。

為什麼 AI Agent 突然這麼紅？

因為 2025 到 2026 年主流廠商幾乎同時把產品線押在這個方向。OpenAI、Google 都推出了自己的 agent 開發框架，LangGraph 這類專做長時間執行的工具也進了 Klarna、Replit、Elastic 等公司的正式環境，Y Combinator 更在 2026 年 7 月 31 日直接把內部自用的 agent 平台 QM 以 MIT 授權開源。工具鏈成熟了，話題自然就熱起來。

我不是工程師也需要懂 AI Agent 嗎？

如果你會用 AI 工具就需要懂一點。AI Agent 跟聊天機器人最大的差別是它的錯誤會真的被執行出去，寄錯的信收不回來、刪掉的檔案要另外救。知道這件事，你就會在給它權限之前先想一下最壞情況，而不是看到「一鍵自動完成」就直接按下去。

AI Agent 的中文翻譯有沒有統一？

沒有完全統一。繁體中文圈最常見的譯法是「AI 代理」，也有人寫成「AI 代理人」或「智慧代理」，本站採用「AI 代理」並在多數情境保留英文原詞 AI Agent。實務上台灣的技術討論幾乎都直接講英文，中文譯名主要出現在新聞與公文裡。

學會 AI Agent 之後，下一個該學什麼？

建議先補工具呼叫與 MCP，那是 agent 碰到外部世界的必經之路；接著看提示詞注入，那是 agent 目前最現實的資安破口；如果想理解它為什麼會胡說八道，就再回頭看大型語言模型與 AI 幻覺。這幾塊補完，你對 agent 的能力邊界跟風險邊界就都有底了。

延伸閱讀

參考來源

  1. OpenAI Agents SDK（官方 GitHub） — agent 的定義（指令、工具、護欄、handoff）、sessions 與 tracing，以及支援 100 種以上模型的說明。
  2. Google Agent Development Kit（官方 GitHub） — Agent 封裝指令、工具與行為，Workflow 負責圖狀流程編排的分工。
  3. LangGraph（官方 GitHub） — 長時間執行、有狀態 agent 的定位，短期與長期記憶、人工介入與斷點續跑，以及使用者名單。
  4. smolagents（Hugging Face 官方 GitHub） — CodeAgent 與 ToolCallingAgent 的差別、ReAct 迴圈跑到 final_answer 才停，以及少用 30% 步驟的說法。
  5. ReAct: Synergizing Reasoning and Acting in Language Models（官方程式碼庫） — Shunyu Yao 等人發表於 ICLR 2023，推理與行動交錯執行的原始概念。

整理一下重點：AI Agent 真正給你的不是更聰明的答案，是一個會自己動手的執行者，而它做對做錯都會留下痕跡。

順帶一提，YC 那套 QM 把安全模式做成 Strict、Auto、Dangerous 三段，最省事的那一段直接取名叫 Dangerous（這命名真的很誠實）。當一個工具願意把最方便的選項標成危險，那句話通常不是在開玩笑。

希望這一篇有讓你對 AI Agent 有比較具體的理解哩～如果發現事實錯誤、定義不準、或翻譯卡卡的，歡迎透過聯絡頁指正，看到我們會盡快修。

我們下篇文章見囉～

本條目由 Array 報報 AI 編輯部根據上方「參考來源」整理，文末已揭露 AI 生成 + 公開資料引用。