AI Agent 是什麼？IBM 課程從複合 AI 系統講到 ReAct

「AI Agent」大概是這一年被講到最模糊的詞。修 IBM 的《Fundamentals of Building AI Agents》時，我最喜歡它的切入點：不從名詞定義開始，而是從「單靠模型為什麼不夠」講起，一路推到為什麼需要 Agent。

這篇整理課程的觀念部分：複合 AI 系統、控制邏輯、Agent 的三種能力與 ReAct 迴圈。看完你會知道 Agent 到底新在哪裡，以及它不是萬靈丹。

從單體模型到複合 AI 系統

課程用一個很好懂的例子開場：問模型「我今年還剩幾天假」。模型答不出來，因為它不認識你，也碰不到你公司的請假系統。單靠模型，它只知道訓練資料裡的世界，想教它新東西還得投入資料與資源去微調。

解法不是把模型調教得更聰明，而是圍繞模型建立系統：讓模型把你的問題轉成資料庫查詢，去請假資料庫撈出資料，再把結果組成一句人話回覆。這就是複合 AI 系統（compound AI system）：模型只是其中一個元件，旁邊還有輸出驗證器、查詢拆解程式、資料庫與各種工具。

系統是模組化的，換零件比重新訓練模型快得多。常聽到的 RAG（檢索增強生成），就是最流行的複合 AI 系統之一。

控制邏輯：誰決定下一步

但多數複合 AI 系統有個限制：走哪條路是寫死的。那個假期查詢系統遇到「明天天氣如何」就掛了，因為它的程式只會查假期資料庫。這條「回答問題要走的路」叫做控制邏輯，傳統上由人來定義。

Agent 的關鍵轉變是：把控制邏輯交給大型語言模型。這件事之所以可行，是因為模型的推理能力大幅進步。課程用「思考快與慢」比喻光譜的兩端：一端是要系統照程式走、別偏離指令；另一端是要系統慢慢想，先擬計畫、逐步執行、卡住就調整。當 LLM 負責邏輯，就是所謂的代理式（agentic）方法。

LLM Agent 的三種能力

• 推理：模型站在解題的核心位置，被提示先擬計畫，並對過程中的每一步進行推理。
• 行動：透過外部程式（業界稱為工具）執行，例如網頁搜尋、資料庫查詢、計算機、一段程式碼，甚至另一個語言模型。模型自己決定何時呼叫、怎麼呼叫。
• 記憶：儲存模型解題時的思考日誌，以及使用者的對話歷史，讓體驗更個人化，也能在之後取回先前的結論。

ReAct：邊想邊做的迴圈

配置 Agent 最流行的方式之一是 ReAct，名字就是推理（Reason）加行動（Act）。使用者的問題進到模型後，模型收到的指示大意是：別急著給第一個想到的答案，先規劃，再行動；需要就呼叫工具，拿到結果後觀察它，判斷是已經回答了問題、還是要調整計畫，如此循環直到得出最終答案。

課程的示範很生動：「下個月去佛羅里達玩，我這種容易曬傷的人該帶幾瓶兩盎司的防曬乳？」這個問題要查記憶裡的請假天數、查天氣預報估日曬時數、查公衛網站的防曬乳建議用量，最後還要做數學。沒有一條寫死的路徑能解它，但 Agent 可以自己把路走出來。

三種系統設計怎麼選

課程也把 AI 系統設計整理成一個光譜，三種範式各有適用場景：

下一篇我會接著整理這門課的實作面：怎麼判斷一個任務該不該交給 Agent，以及部署上線前該做哪些防護。