Agent 的三個構成

我們先看全貌。一個 Agent 之所以叫 Agent,是因為它同時具備三樣東西。第一是目標,它知道自己要達成的是什麼結果。第二是工具,它能真的對外界動手,不是只會講話。第三是迭代,它做錯了會自己發現、自己修。這三個是一組的,缺任何一個,它就會退回去,變成一個「只會聊天」的 AI。接下來我一個一個拆給你聽。

先講第一個零件:目標。這是 Agent 跟一般問答最根本的差別。一般的問答,任務是「回答一個問題」;而 Agent 的任務是「完成一個結果」。你注意這兩個詞的差別:回答問題,講完就結束了;完成結果,是要真的把事情做到成。Agent 盯的不是「我要回你什麼話」,而是「這件事有沒有真的被我搞定」。

舉個生活化的例子你就懂了。假設你跟它說:「幫我訂到下週三、台北到高雄、最便宜的那班高鐵。」這裡的目標很清楚,是「訂到票」這個結果,而不是「告訴我怎麼訂票」。如果是一般問答,它會回你一段教學:你可以上高鐵網站、選日期、比票價。但 Agent 不是,它盯著的是那張票到底有沒有到手,沒到手,這件事就還沒完。不過這個例子我要馬上補一句,免得你有錯誤期待:**它不會真的自己刷你的卡。**實務上它會幫你把班次查好、把最便宜的挑出來、把該填的都填好,**然後停在付款那一步,等你確認。**而且這不是它做不到,是**故意這樣設計的** —— 花錢、送出、刪除這類做了收不回來的動作,現在的 Agent 工具幾乎都會停下來讓人點頭。這是好事,你反而要小心那些不會停下來問你的。所以這個例子裡,「訂到票」你可以理解成「一路辦到只剩你按確認」。

那目標為什麼這麼重要?因為有了明確的目標,它才知道什麼叫「做完了」。有一個清楚的終點,它才會一路做下去,一直做到達成為止;中間卡住了,它會想別的辦法,而不是丟一句答案給你就停在那裡。你可以把目標想成它的終點線,沒有這條線,它根本不知道要跑到哪、什麼時候可以停,那它就只能回你一句話交差了事。

第二個零件:工具。這是 Agent 最容易被低估的一塊。一般的 AI 只會講話,而 Agent 能真的「動手」——它可以去查資料、可以讀寫你的檔案、可以執行程式、可以操作系統。這些能讓它碰到外界的手段,就叫工具。你想想看,如果一個助理只會出一張嘴、什麼都不能碰,那他能幫你做的事其實非常有限。沒有工具的 AI,就是這樣一張嘴而已。

工具真正的意義,是讓它碰得到真實世界。有了工具,它才摸得到真實的資料、摸得到你電腦裡的檔案,而不是靠著腦袋裡的舊記憶憑空回答你。回到訂票的例子:有工具的 Agent,是真的去打開高鐵網站、把當天每一班的票價抓下來看,然後告訴你哪班最便宜;沒有工具的,就只能用它印象中的資訊猜給你聽。一個是查證,一個是用猜的,可靠度天差地遠。

第三個零件,也是我覺得最迷人的一個:迭代。什麼叫迭代?就是它會「觀察結果、發現不對、調整方向、再試一次」,這樣一圈一圈地繞,直到把事情做對。這是 Agent 最像「人」的地方。我們人做事不也是這樣嗎?試一下、看結果、不對就改。這一點,正好是它跟傳統那種問一句答一句、一次定生死的問答,差最多的地方。

迭代為什麼關鍵?因為說真的,不管是人還是 AI,第一次就一次到位的機會其實很少。真正決定可不可靠的,不是「會不會犯錯」,而是「犯了錯會不會自己修」。還是用訂票的例子:假設它抓價格時抓錯了一班車,一個會迭代的 Agent 會自己發現這班對不上、退回去重新查一次,再往下做。這個自我修正的能力,才是你敢把事情交給它的底氣。但底氣要有分寸,所以我補一個很重要的但書:**迭代修得掉的,是「明顯對不上」的錯** —— 網頁打不開、票價兜不攏、格式跑掉。**修不掉的是「方向從一開始就錯」** —— 比如你要的是下週三,它從頭到尾都在查下週四,那它每一步都會很順利、每一次自我檢查都會通過,最後很有把握地把錯的答案交給你。**因為只有你知道你要什麼,它沒有辦法檢查一件它不知道的事。**所以迭代讓你省掉很多小錯,但它不能取代你最後看一眼。

我們用訂票這件事,把三個零件從頭到尾跑一遍,你就會看到它們怎麼接力。首先是目標,它心裡認定的終點是「訂到那張票」,不達成就不算完。接著是工具,它真的去打開高鐵網站,把每一班的時間、票價一筆一筆抓下來比。過程中如果哪一步查錯了、對不上,迭代就上場,它自己發現、退回去重來,再繼續往下做。目標、工具、迭代,一棒接一棒,票就這樣被訂到了。

好,我們把三個零件合起來看。目標,給它方向,讓它知道要往哪跑;工具,給它手腳,讓它能真的動手做事;迭代,給它韌性,讓它跌倒了能自己爬起來再試。方向、手腳、韌性,這三個湊齊了,一個 AI 才真正稱得上是 Agent。這三個不是可有可無的加分項,而是缺一不可的核心。它們湊在一起,才是完整的那個「會替你做事的它」。

反過來看更清楚:少掉任何一個零件,它就會退回成一個「只會聊天」的 AI。少了目標,它不知道要跑到哪、什麼時候該停,只能回你一句話交差。少了工具,它就只剩一張嘴,碰不到真實的資料,只能憑印象猜。少了迭代,它第一步錯了就一路錯到底,沒辦法自己救回來。所以你評估一個工具,不是看它單項多強,而是看這三個是不是都在。

如果今天你只帶走一句話,那就是這個:以後你看到任何號稱是 Agent 的工具,就用這三把尺去量它——它有沒有一個明確的目標?它會不會真的動手用工具?它做錯了會不會自己修正?三個都有,它才是真的 Agent;缺一個,你心裡就要有數。下次有人跟你推薦某個號稱 Agent 的工具,你就用這三把尺當場量一遍。