AI Agent（人工智慧代理）是一種能夠感知環境、做出決策並執行行動的智能系統。與傳統機器學習模型不同，AI Agent 不只是靜態地回應輸入，而是具有狀態管理、決策能力、工具整合等特性，使其能夠執行更複雜的任務。

AI Agent（是一種能夠「記住事情」、「使用工具」和「執行任務」的 AI。不同於傳統的 AI 只能單次回答問題，AI Agent 可以管理對話歷史，理解上下文，並且和外部系統互動。

如果我們詢問天氣相關的問題：

普通 AI：你問「今天台北天氣如何？」它會告訴你「今天多雲有雨」。
AI Agent：你問「今天台北天氣如何？」它不僅查天氣，還會根據你的行程建議帶傘，甚至幫你重新安排戶外活動的時間。
再比如，你要訂機票，AI Agent 不只是提供航班資訊，還能直接幫你比價、預訂，甚至同步到你的行事曆，提醒你出發時間。

為什麼 AI Agent 如此的吸引人？因為它擁有以下的能力

有記憶力 — — 它記得你之前說過的話，不會像普通 AI 那樣一問一答後就忘記。
會行動 — — 它不只回答問題，還能幫你查資料、做決策，甚至執行任務。
能使用工具 — — 它可以連接網路、日曆、郵件、地圖等，真正幫你解決問題。
簡單來說，AI Agent 更像一個真正的數位助理，能夠幫你處理瑣事、規劃事情，甚至主動提供建議，而不只是單純回答問題。這讓它比一般 AI 更強大、更實用，也更貼近人類的需求。

AI Agent 與 AI Model 有何不同
AI Agent 與 AI 模組有何不同？單一 AI 模組，如LLM、語音轉文字、語音轉圖片等，主要的功能是單一面向的功能。而Agent則能整合這些模組及其資源，為使用者產出合理且適合的結果，並執行相應動作。

AI Agent 像是一個指揮官，能調度和運用各種工具，幫助使用者做出最佳決策。就像寫文章時，我們不會一次寫完，而是會在過程中查找資料、詢問相關人士或進行討論，最終產出更高品質和精準度的文章。同樣地，AI Agent透過協助和整合各種工具，產生最適合結果。

source: https://www.kaggle.com/whitepaper-agents

AI Agent 具備什麼能力
自主性：在沒有人為介入之下可以獨自完成任務。
感知和數據收集：可以以各種方式取得數據並感知內容，像是call API或是偵測感應器數據等等。
推理：可以針對得到的數據感知的內容以及事件狀態進行思考及決策
行動：使用相對應的工具，執行決策後的行動
持續學習：透過執行結果的feedback再優化自己推理的過程
source: https://arxiv.org/pdf/2210.03629

為什麼最近 AI Agent 興起
其實，AI代理的概念並非新興，早在幾年前便已經被廣泛討論。近期之所以再度崛起，是因為大型語言模型（LLM）的效能和精準度大幅提升。

使用LLM來做AI代理，比傳統單一輸出更具想像空間和精準度。過去的AI代理通常只進行簡單判斷，運算後返回結果，多數是數值或二元判斷（True/False）。我們根據這些結果選擇相應路徑。

然而，使用LLM進行判斷時，可以產生多樣化的輸出。例如，與GPT對話時，它能提供各種不同答案。同樣地，若用LLM來控管代理，只需輸入情景，它便能給予相應輸出。因此，AI代理並非新科技，而是因為LLM的進步，使得AI代理在資訊獲取和文字生成方面更加優越。

總結來說，近年來AI代理的最大變化在於LLM的應用及其性能提升，使得AI代理的效能大幅增強。

如何使用 AI Agent
AI 不會完全取代人類，但那些不會用 AI 的人，很可能會被懂得用 AI 的人取代。現在 AI 越來越成熟，很多行業的工作方式也正在改變，未來只會變得更快、更劇烈。所以，學會怎麼跟這些新科技合作，變成了一個每個人都要面對的重要課題。

AI Agent 可以想像成是一個有專業技能的工作夥伴，而我們就像是一個管理者，要學著把不同的任務分派給適合的 Agent，然後整合他們的成果、做最後的判斷。這也代表，我們的工作重點正在轉變：不是自己做全部，而是懂得怎麼把事情交給合適的 AI 幫忙。

現在這個時代，因為科技的發展，每個人都被賦予了更大的能力。要跟上確實不容易，但這其實也是一種機會。因為環境推著我們不斷學習、不斷升級，才能去完成更多原本只是想想的事。