什麼是 Agentic AI？
Agentic AI 是指具備自主決策與行動能力的人工智慧系統。與傳統的 AI 模型不同，Agentic AI 不只是回答問題，而是能夠制定計畫、調用工具、執行多步驟任務，甚至在過程中根據環境反饋動態調整策略。
傳統 AI vs. Agentic AI
| 面向 | 傳統 AI（Chat/Completion） | Agentic AI |
|---|---|---|
| 任務範疇 | 單次問答 | 多步驟、跨工具任務 |
| 記憶能力 | 僅限當前對話 | 可持久化記憶與狀態 |
| 工具使用 | 無 | 可調用 API、搜尋、執行程式碼等 |
| 決策自主性 | 低（依賴人工指示） | 高（能自行規劃與迭代） |
Agentic AI 的核心元素
1. 🧠 規劃（Planning）
Agent 能夠將複雜目標拆解為一系列子任務，並決定執行順序。常見方法包括：
- ReAct（Reasoning + Acting）：交替進行推理與行動
- Tree of Thought：樹狀結構探索多條解題路徑
- Plan-and-Execute：先完整規劃，再逐步執行
2. 🔧 工具使用（Tool Use）
Agent 可以調用外部工具來擴展自身能力，例如：
- 搜尋引擎（取得最新資訊）
- 程式碼執行器（運算與資料處理）
- 資料庫查詢（存取結構化資料）
- API 呼叫（與外部服務整合）
3. 💾 記憶（Memory）
Agent 的記憶分為幾個層次：
- 短期記憶：當前任務的上下文
- 長期記憶：跨對話的知識儲存（如向量資料庫）
- 外部記憶：透過工具讀取的文件或資料
4. 🔄 反思與迭代（Reflection & Iteration）
優秀的 Agent 能夠評估自己的輸出品質，並在發現錯誤或不足時自動修正，形成自我改進的閉環。
Multi-Agent 架構
當任務複雜度超過單一 Agent 的處理能力時，可以採用 Multi-Agent 架構，讓多個專業 Agent 協同工作：
- Orchestrator Agent：負責任務分配與整體協調
- Specialist Agents：專注於特定領域（如搜尋、撰寫、審核）
- 通訊協議：Agent 之間透過標準化訊息格式（如 MCP）溝通
常見的 Agentic 框架
- LangGraph — 以圖結構定義 Agent 工作流，支援複雜狀態機
- AutoGen — 微軟開源的多 Agent 對話框架
- n8n — 視覺化工作流自動化，易與 AI 整合
- CrewAI — 強調角色分工的多 Agent 協作框架
實際應用場景
- 程式碼生成與除錯 — Agent 自動撰寫、測試、修正程式碼
- 研究報告撰寫 — 自動搜集資料、整理摘要、生成報告
- 客服自動化 — 理解問題、查詢知識庫、執行退款或轉單
- 企業流程自動化 — 跨系統資料同步、審批流程自動化
小結
Agentic AI 代表著 AI 應用的新里程碑：從「被動回應」進化為「主動執行」。隨著 LLM 能力提升與工具生態系成熟，Agentic 系統將在企業自動化、個人助理與複雜問題求解等領域發揮越來越重要的作用。
理解 Agentic AI，就是理解 AI 從工具走向夥伴的關鍵轉變。