FIND研究員：蔡璨宇
大家現在對AI的印象，應該還停留在「我問一句、它回一句」的聊天機器人吧？但說實話，如果AI只能通過對話幫你解決問題，那它的戰鬥力真的只發揮了一半。
隨著大型語言模型（Large Language Model，LLM）的進化，AI漸漸演進為真正能在實務場景中發揮價值的AI Agent（人工智慧代理人），簡單來說，它不再只是個「理論派」跟你談天說地，而是變成一個「實踐派」，能幫你判斷任務、找工具、最後把事情做完。想做出一個厲害的Agent？重點不在於模型多會說話，而在於你的架構設計。
今天我們就來聊聊，開發一個 Agent 必須搞定的四件事：
一、給它一個腦袋：別讓它瞎猜，要學會「想好了再動」
如果你直接叫AI去做一件複雜的事，它很容易會「腦補」出一個似是而非的答案。要讓Agent變強，第一步就是教它一套思考流程，其中一種常見的方式叫ReAct模式，翻譯成白話就是：
先思考（Thought）：收到任務後，先別急著做，先分析現在是什麼狀況？下一步該幹嘛？
動手做（Action）：根據思考結果，決定要去開哪個網頁、或是查哪個資料庫。
看結果（Observation）：看了查回來的資料後，再評估：「這是我要的嗎？任務成功完成了沒？如果沒有成功要怎麼在試一次？」
重點： 這種「想一下、做一下、看一下」的循環，才是 Agent 聰明的關鍵。
二、給它工具箱：主管負責下決定，專業的交給工具
你要把Agent想像成一個「專案經理（Project Manager，PM）」，而它手邊有一群專門負責寫code、查天氣、翻資料庫的「工程師（外部工具）」：
PM（AI本身）：負責理解客人的需求，規劃流程。
工程師（工具）：負責執行具體任務。
比如說，問AI「今天台股怎麼樣？」，別讓它瞎猜，直接給它一個連到股市網站的工具去查詢，「規劃歸規劃，計算歸計算」，把這兩者分開，AI就不會在那邊一本正經地胡說八道了。
三、別讓它變「魚」：記憶力是基本功
如果你跟AI說「我預算兩萬」，下一句問「那飯店呢？」，結果它回你「請問你的預算多少？」，你一定會想翻白眼，開發Agent時，你得幫它準備兩種記憶：
短期記憶：讓它記得這場對話前面聊了什麼，不要問過即忘。
長期記憶：像是一個檔案庫，存著使用者的偏好（例如：他不吃辣、他喜歡靜態活動）。
有了記憶，Agent才會越用越貼心，像個真正的私人助理。
四、講話要講重點：別說廢話，給我資料！
一般的AI喜歡長篇大論，但Agent的輸出通常是要給「後面的程式」接手，所以在設計時，你要規定它：「別跟我說廢話，請直接給我JSON格式（或是表格數據）！」這樣你的後台系統才能自動抓取這些資料去訂機票、發郵件。
舉個例子：如果你想做一個「出差小幫手」：
用戶說：「幫我排下週三去花蓮出差。」
Agent思考：「下週三，我得先確認路線、訂車票並確認費用、最後協助核銷。」
動手做：呼叫地圖API確認如何乘車－＞呼叫訂票系統找到對應班次訂票－＞呼叫費用計算工具估算所有交通費（計程車、台鐵等）－＞自動登入公司網站－＞填寫出差核銷表單。
給結果：給你一份行程，並告訴你已經完成了訂票及表單填寫。
寫AI Agent其實不是在玩文字遊戲，而是在設計一套系統，你要給它大腦（思考循環）、給它雙手（工具）、給它記性（記憶機制），最後還要規定它講話的格式。只要這架構搭好了，AI就不再只是個陪聊機器人，而是能幫你省下大把時間的「數位分身」！
參考資料來源：
A Survey on the Memory Mechanism of Large Language Model based Agents（https://arxiv.org/abs/2404.13501）
A practical guide to building agents（https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf）
What are the components of AI agents？（ https://www.ibm.com/think/topics/components-of-ai-agents）
How to Build an AI Agent: 7 Main Steps（https://www.uptech.team/blog/how-to-build-an-ai-agent）
沒有留言:
張貼留言