完整定義
AI 代理是一種能夠感知環境、做出決策並採取行動以達成特定目標的實體。它通常基於機器學習或規則引擎,用於自動化任務、解決問題或與人類互動。在 iPAS 考試中,理解 AI 代理的組成部分(如感知器、決策器、執行器)及其應用場景至關重要。
白話說明
你有沒有用過 Siri 或 Google Assistant 幫你訂鬧鐘、查天氣、甚至叫外送?
這些助手不只是回答你的問題,它們會自己判斷該做什麼、呼叫哪個app、按什麼順序完成任務。AI代理就是這類系統的統稱:一個能自主感知環境、規劃步驟、呼叫工具、然後真正執行動作的AI,不只是聊天,而是替你做事。
你可以把它想成一個先回答「用途是什麼」的入口,抓住生活場景後,再看技術細節會更容易。
記住這句
不只回答問題,還會自己規劃步驟、呼叫工具、完成任務。
比喻:AI 代理就像是一位聰明的個人助理 -- 你告訴它目標,它會自己規劃步驟、找工具、動手去完成,而不是只回答你問題,甚至會主動報告進度。
容易混淆
AI 代理 vs 聊天機器人 vs RPA
聊天機器人:只能根據輸入產生文字回覆,不會主動採取行動。
RPA(機器人流程自動化):按照預設的固定腳本重複執行操作,不會自己規劃。
AI 代理:能理解目標、自主規劃步驟、動態選擇工具,遇到意外還能調整策略。
最關鍵的區別:聊天機器人只回話,RPA 只照做,AI 代理會想再做。
實際案例
客服自動化:從回答到解決
傳統客服聊天機器人只能回答「你的訂單已出貨」,遇到退貨請求就轉接人工。導入 AI 代理後,系統能自己查訂單狀態、判斷是否符合退貨條件、啟動退款流程、發送確認信,整個過程不需要人介入。Zendesk 報告導入 AI 代理後,客服工單處理時間減少了 40%。
程式開發助手:從建議到執行
傳統的程式碼補全工具(如 GitHub Copilot 早期版本)只能根據你正在寫的程式碼建議下一行。新一代的 AI 代理(如 Claude Code、Cursor Agent)能接收「幫我加一個登入功能」這樣的高層指令,自己規劃需要修改哪些檔案、產生程式碼、執行測試、修正錯誤,整個開發流程自動完成。
演算法與應用
- 步驟
- 感知
- 做什麼
- 接收使用者指令或環境訊號
- 對應技術
- 自然語言處理、API 串接
- 步驟
- 規劃
- 做什麼
- 拆解任務,決定執行順序
- 對應技術
- 鏈式思考、任務分解
- 步驟
- 執行
- 做什麼
- 呼叫外部工具完成子任務
- 對應技術
- Function Calling、工具使用
- 步驟
- 反思
- 做什麼
- 檢查結果,決定是否需要修正
- 對應技術
- 自我評估、錯誤偵測
- 架構
- ReAct
- 特色
- 交替進行推理和行動
- 代表
- LangChain ReAct Agent
- 架構
- 計畫再執行
- 特色
- 先完整規劃,再逐步執行
- 代表
- AutoGPT
- 架構
- 多代理協作
- 特色
- 多個專責代理分工合作
- 代表
- CrewAI、AutoGen
- 架構
- 反思迴圈
- 特色
- 執行後自我檢討,持續改進
- 代表
- Reflexion
情境判斷
Q1(直覺題): 一家電商想要自動處理客戶的退貨申請,包括查訂單、驗條件、啟動退款。這需要聊天機器人還是 AI 代理?
AI 代理。聊天機器人只能回覆文字,無法主動查詢系統和執行退款操作。這個任務需要自主規劃和工具呼叫。
Q2(判斷題): 一家醫院想用 AI 代理自動幫病患排程手術,根據病情嚴重度、醫師排班、手術室可用時間做最佳安排。這適合全自動還是人機協作?
看情況。技術上 AI 代理可以處理排程優化,但手術排程涉及醫療風險判斷和病患隱私,全自動的法律責任不明確。多數醫院的做法是讓 AI 代理產生建議排程,由醫師做最終確認,也就是人機迴路(Human-in-the-Loop)模式。
iPAS 考題
出題方向: 常考導入評估方法、代理 vs 傳統自動化的區別、應用場景判斷。
題目
關於 AI 代理(AI Agent)的特性,下列敘述何者正確?
(A) AI 代理只能處理預先定義好的固定任務流程
(B) AI 代理能自主規劃執行步驟並動態選擇工具
(C) AI 代理不需要外部工具就能完成所有任務
(D) AI 代理與傳統聊天機器人的功能完全相同
答案:B。 AI 代理的核心特徵是自主規劃和工具使用。A 描述的是 RPA,C 錯誤因為工具呼叫是代理的核心能力,D 忽略了代理會採取行動而聊天機器人只回覆。
常見問題
會,這是目前最大的風險。AI 代理有執行能力,如果理解錯誤或規劃失誤,可能刪除重要檔案、發送錯誤訊息、或做出不可逆的操作。所以多數實際部署都會加上「護欄」(Guardrails),限制代理能呼叫的工具範圍,或在高風險操作前要求人工確認。
目前還不行。AI 代理在定義明確、步驟可拆解的任務上表現很好(如客服、資料處理),但在需要常識推理、情感判斷、或跨領域創造力的工作上仍然不穩定。現階段更適合看成「超強的自動化助手」而不是「替代人力」。
LLM 是 AI 代理的「大腦」,負責理解指令和推理。但 LLM 本身只能產生文字,AI 代理在 LLM 之上加了工具呼叫、記憶系統、規劃能力,讓它從「能想」變成「能做」。可以說 LLM 是引擎,AI 代理是整台車。
不一定。多代理系統讓不同代理專責不同任務,理論上更靈活,但也帶來協調成本和溝通延遲。簡單任務用單一代理更快更可靠,複雜的跨領域任務才需要多代理協作。
範例考題
關於 2025 年 OpenAI 提供的 AgentKit,下列何者最能描述其主要用途?
- A建立強化式學習(Reinforcement Learning)訓練所需的互動式模擬環境
- B提供代理(Agent)模型的大規模預訓練與權重優化機制
- C「Agent-to-Agent」的代理通訊協議
- D支援 Agents 的建構、工具整合與任務流程開發
正解是 D:支援 Agents 的建構、工具整合與任務流程開發
解析:OpenAI 的 AgentKit 主要用途是幫助開發者建構 AI 代理、整合外部工具,並開發任務流程,是一個 Agent 開發框架。
在規劃生成式 AI 解決方案時,下列何種應用場景最適合採用 GPT-Realtime 類型模型?
- A需長時間批次處理的大規模報表生成任務
- B即時資料查詢與結構化資訊檢索系統
- C即時語音客服與互動式 AI 代理
- D以高一致性為優先的法規文件自動摘要
正解是 C:即時語音客服與互動式 AI 代理
解析:GPT-Realtime 類型模型專為即時互動設計,支援語音輸入輸出與低延遲對話,最適合即時語音客服與互動式 AI 代理等需要即時回應的場景。
出現在這些考古題
官方公告試題的逐題解析裡,這 5 題把AI 代理列為延伸術語。
立即測驗
想測試你對 AI 代理 的掌握程度?用考古題作答
相關術語
來源
參考來源:ipd.nat.gov.tw
考試範圍:iPAS AI 應用規劃師評鑑內容範圍參考(115.02 更新),經濟部產業人才能力鑑定,實際考試內容以官方公告為準。
其他格式:Markdown 版本