---
title: "AI 代理（AI Agent）"
slug: ai-agent
language: zh-TW
source: https://aiterms.tw/terms/ai-agent
updated_at: 2026-04-29
tags: [AI應用, AI基礎, 機器學習]
ipas_term: true
---

# AI 代理（AI Agent）
> **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。

### 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。

### 記住這句就好

> 不只回答問題，還會自己規劃步驟、呼叫工具、完成任務。

### 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。

### 算法與應用

> **AI 代理的核心運作迴圈**
>
> | 步驟 | 做什麼 | 對應技術 |
> |---|---|---|
> | 感知 | 接收使用者指令或環境訊號 | 自然語言處理、API 串接 |
> | 規劃 | 拆解任務，決定執行順序 | 鏈式思考、任務分解 |
> | 執行 | 呼叫外部工具完成子任務 | Function Calling、工具使用 |
> | 反思 | 檢查結果，決定是否需要修正 | 自我評估、錯誤偵測 |
>
> **常見的代理架構**
>
> | 架構 | 特色 | 代表 |
> |---|---|---|
> | ReAct | 交替進行推理和行動 | LangChain ReAct Agent |
> | 計畫再執行 | 先完整規劃，再逐步執行 | AutoGPT |
> | 多代理協作 | 多個專責代理分工合作 | CrewAI、AutoGen |
> | 反思迴圈 | 執行後自我檢討，持續改進 | 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：** AI 代理相關題目約佔 AI 應用規劃師考題 7%，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

> **Q：AI 代理會不會做出危險的事？**
> 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。
>
> **Q：現在的 AI 代理真的能取代人類工作嗎？**
> 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」。
>
> **Q：AI 代理和大型語言模型（LLM）是什麼關係？**
> 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。
>
> **Q：多代理系統比單一代理更好嗎？**
> 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。

### 相關術語

> - **大型語言模型**：AI 代理的核心引擎，理解指令和推理的基礎
> - **ReAct框架**：最常用的代理架構之一，交替推理和行動
> - **人機迴路**：高風險場景下讓人類參與代理決策的設計模式
> - **Function Calling**：讓語言模型呼叫外部工具的技術，代理執行動作的關鍵機制
> - **安全護欄**：限制代理行為範圍的安全機制，防止危險操作

---

來源：https://aiterms.tw/terms/ai-agent
快查頁：https://aiterms.tw/terms/ai-agent
外部參考：https://ipd.nat.gov.tw/ipas/certification/AIAP/news/ffdba0fcdbda40baadeef2a1bdc0230e
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-ai-agent