學習 · 2026年6月1日

什麼是代理式 AI(agentic AI)?從「回答你」到「自己做完」的自主 AI 入門

代理式 AI(agentic AI)是會自己規劃步驟、自己呼叫工具、自己往目標推進的 AI,不必你逐句下令。這篇用一張對照表和真實例子,講清楚它跟 ChatGPT、跟傳統自動化(RPA)差在哪、現在能做到與做不到什麼,以及想開始的第一步。

什麼是代理式 AI(agentic AI)?從「回答你」到「自己做完」的自主 AI 入門

代理式 AI(agentic AI)是一種會自己動手把事做完的 AI——你給它一個目標,它能自己規劃出多個步驟、自己決定何時呼叫哪個工具、自己往目標推進,過程遇到狀況還會自己調整,而不是被動等你一句一句下指令。它跟你熟悉的 ChatGPT 最大的差別,不在誰比較聰明,而在誰發起行動、誰把事做完:聊天機器人停在「告訴你怎麼做」,代理式 AI 要的是「替你做到完」。

這個詞最近很熱,也最容易被講得玄。這篇不堆術語、不喊焦慮,就用一張對照表和幾個真實例子,把它講清楚:它到底是什麼、跟 ChatGPT 和傳統自動化差在哪、現在做得到與做不到什麼,以及如果你想開始,第一步該做什麼。

什麼是代理式 AI(agentic AI)?

把「agentic(代理式)」這個字拆開,核心是三件它會、而一般 AI 不會的事:

  • 自己規劃多步驟。 你給的是一個目標(「把這週的客戶詢問整理成待辦清單」),不是一串步驟。它會自己把目標拆成「先讀信、再分類、最後彙整」的順序,而不是等你一步一步餵。
  • 自己呼叫工具。 它不只在對話框裡產生文字,而是能真的去操作工具——讀檔案、查資料、寫程式、送出表單。要用什麼、什麼時候用,它自己決定。
  • 自己往目標推進。 中途遇到狀況——資料缺了、程式報錯了——它會讀懂現況、自己改方法、再試一次,朝目標繼續走,而不是停下來等你救援。

這三件事合起來,就是「代理(agent)」這個比喻的由來:它像一個你可以交辦目標、而不必逐步指揮的代理人(也常被叫做「自主代理」或 AI agent)。一般的 AI 助理是「你問一句、它答一句」;代理式 AI 是「你交辦目標、它跑完回報」。

這個分界並不是行銷詞。AI 公司 Anthropic 在〈Building Effective Agents〉一文裡,就把「由 AI 自己主導流程、自己決定何時動用工具」的系統,跟那種只照固定步驟跑、一問一答的 AI 明確區分開來——前者,才是這裡說的代理式 AI。

代理式 AI 跟一般 AI 助理、傳統自動化差在哪?

最快看懂代理式 AI 的方法,是把它跟兩個你可能已經接觸過的東西並排:一個是一般 AI 助理 / 聊天機器人(像 ChatGPT),另一個是傳統自動化 / RPA(那種照固定規則跑的腳本或流程機器人)。三者放在一起,界線就清楚了。

面向一般 AI 助理 / 聊天機器人(如 ChatGPT)傳統自動化 / RPA代理式 AI(agentic AI)
誰發起行動人——你問一句,它答一句人——你預先設好規則,它才照著跑AI——你給目標,它自己發起並推進
能否多步規劃不能——回答完當下問題就停住不能——只照固定腳本一步步走能——自己把目標拆成多步、排出順序
能否自己用工具多半不能——主要在對話框裡產生文字只能用預先接好的那幾個能——自己決定何時、呼叫哪個工具去操作
遇變化能否調整不會——情境變了,還是給原本那套答案不會——遇到沒設定到的狀況就卡住或出錯會——讀到新狀況(如報錯)就自己改方法再試
需不需要人逐步指揮需要——每一步都得你再問一次不太需要,但只限規則內;出框就得人改腳本不需要——大方向交辦即可,關鍵處才回報你
最適合的任務問答、腦力激盪、生成草稿大量、重複、規則固定不變的流程目標明確、但過程要隨機應變、跨多步多工具的任務

一句話讀懂這張表:聊天機器人會講、傳統自動化會照規則跑、代理式 AI 會自己想辦法把事做完。 聊天機器人停在給你答案,傳統自動化只能在預設好的軌道上跑、出軌就卡住,而代理式 AI 的特點,正是「目標給了,過程它自己隨機應變」。

代理式 AI 實際能做到什麼?

講個我們自己的第一手例子。路澄 LUCE 本身就是一間用代理式 AI 工作流運作的一人公司——底下沒有員工,但好幾件原本要一整個團隊才扛得動的事,是交給 agent 在跑的:

  • research 交給專責的 agent。 要查一個主題、翻一堆文件、調研技術架構,過去要一個人耗掉半天;現在交辦給一個 research agent,它自己跨檔案、跨來源去跑,回傳一份消化過的摘要,人只看結論、做判斷。
  • 內容生產走工作流。 文章初稿、跨平台改寫、報價與提案的第一版,由內容工作流先產出,人再修飾、定調、把關。
  • 開發與維運靠 subagent 派工。 一個大任務不必一個人線性硬扛,而是拆成幾塊、派給各自獨立的 subagent 同時跑,主幹只負責整合與判斷。(這套「一個人跑出一支團隊形狀」的機制,我們在 用 subagent 拆解大型任務的工作流 裡講得更細——subagent 正是代理式 AI 最具體的一種實作形態。)

把這件事講得更直白,用一個對比就清楚了。人逐句下令長這樣:你打開工具,問「這個錯誤怎麼修」,它給你方法,你照做,再問下一步,它再答——每一步都要你發問。交給 agent 自己跑完長這樣:你說「這個功能壞了,幫我修好並確認測試通過」,然後它自己去讀程式、定位問題、修改、跑測試,報錯了自己再改,最後回來告訴你「修好了,這是改動」。你做的只有交辦目標、驗收結果,中間那段反覆試錯的苦工,是它在扛。

這就是代理式 AI 最直觀的價值:人做判斷,機器做苦工。(這種「一個人加一組 AI 撐起整間公司營運」的形態,我們在 什麼是 AI 一人公司 裡聊得更完整。)

代理式 AI 現在還做不到什麼?

這一段是信任的關鍵——任何誠實談代理式 AI 的人,都得把界線講清楚。它會做事,但至少有三件事,現在仍然得靠人。

  • 最終判斷還是你的。 agent 能把事做完、把選項攤開,但「這個方案要不要採納、方向對不對、值不值得」——最後拍板的是你。它把苦工接走,把決定權留給你。
  • 它會犯錯,所以需要把關。 它跟人一樣會判斷錯、會踩到沒料到的狀況;而且 AI 出錯時往往不會跳紅字,只是安靜地給出越來越歪的結果。所以重要或不可逆的事,正確用法是「讓它做、你驗收」,不是「丟給它就不管」。
  • 權限敏感的操作要留在人手上。 動到錢、動到對外溝通、動到不可逆的系統操作——這些該設好權限邊界,讓 agent 停在「提案」這一步,由人按下確認。這就是常聽到的 human-in-the-loop:把人留在關鍵環節的迴圈裡。

看懂這三條限制,反而更會用代理式 AI:把機器扛得動的苦工儘量交出去,把判斷、把關、和敏感操作的最終決定權,牢牢留在自己手上。

想開始用代理式 AI,第一步該做什麼?

如果你看到這裡想「我也想試試」,別急著想「把所有事都自動化」——那是最容易半途而廢的起手式。

務實的第一步,是挑一件你每週都做、步驟大致固定、又做起來有點煩的小事——可能是整理一週的信件、把某類資料彙整成報表、把零散筆記理成大綱。把它交辦給一個代理式工具,講清楚你要的結果,讓它全程跑、你只驗收。先讓這一件真的省下你的時間,跑通了,再擴到下一件。

重點是:你不需要先變成工程師,也不需要一次到位。代理式 AI 不是一次蓋好的工程,而是一件一件把雜事交出去、慢慢長出來的工作方式。從一個你最想擺脫的小任務開始,遠比一開始就想自動化全部,務實得多。(如果你手邊有一攤想交給 AI、卻不知道從哪一塊先切,路澄 LUCE 也提供 諮詢與診斷服務,陪你把第一步理清楚。)

常見問題

代理式 AI 跟 ChatGPT 這種聊天機器人差在哪?

最大的差別是「會講」還是「會做」。ChatGPT 這類聊天機器人強在回答問題、生成內容,但方案要你自己執行;它通常一問一答,不會自己規劃多步、也不會替你去操作工具。代理式 AI 會自己拆解目標、決定步驟、實際動用工具把事做完,再回報你。兩者背後可能是同一套強大的模型,差別在誰發起行動、誰把事做到完。

代理式 AI 安全嗎?它會自己亂做事嗎?

它不會憑空亂跑,但它確實會犯錯,所以安全的關鍵在「權限邊界」和「human-in-the-loop」。正確的用法是:讓 agent 處理過程,但把重要或不可逆的動作(動到錢、對外發送、刪改資料)設成需要你確認的關卡,由人按下最後那個按鈕。換句話說,它的「自主」應該是在你劃定的範圍內自主,而不是全權放手。配上這層把關,它就是個很可靠的助理。

導入代理式 AI 需要會寫程式嗎?

入門不需要。現在已經有不少代理式工具,是讓你用日常語言「交辦目標」就能用的,重點是把你要的結果描述清楚,而不是親手寫每一行程式。不過當你想把流程串得更深、更貼合自己的需求時,懂一點程式(或懂得怎麼跟 AI 協作寫程式)會讓你能扛的範圍明顯變大。可以先不會,但別排斥學。

中小企業、一人公司適合用代理式 AI 嗎?

非常適合,這反而是它最發揮的場景。人手越少,「把整個團隊才扛得動的執行職能交給 agent」的槓桿就越大——research、內容、開發、維運都能交辦出去,讓一個人或一個小團隊,撐起原本需要更多人的營運。路澄 LUCE 自己就是這樣運作的。前提一樣是把判斷、把關和敏感操作留在人手上;規模越小,越要把人的注意力,花在只有人能做的地方。

從「回答你」到「替你做完」

回到最前面那句定義。代理式 AI 真正的轉變,不是 AI 變得更聰明,而是它從「回答你的問題」變成「替你把事做完」——而你的角色,也跟著從「逐句下令的操作者」,變成「交辦目標、做最終判斷的人」。

路澄 LUCE 本身就是這個轉變的活範例:一個人,靠一組會自己動手的 agent 工作流,撐起整間公司的日常營運。這不是未來式,是我們每天的工作方式。如果你也想看懂、甚至開始用這種方式工作,追蹤 路澄 LUCE,我們會把「怎麼挑工具、怎麼交辦、哪些任務最適合先交出去」,一篇篇寫下去。

把這種文章直接寄到你信箱

不定期一封,談真正能 ship 的 AI 工作流。沒有 hype。