打造你專屬的 AI Agent・第一段 Agent 概念
每一頁投影片,一個互動示範
老師講到哪一頁,就按那一頁的連結。每頁只有一個動作,按下去一秒內看到差別。
全部互動皆為確定性模擬與預錄回應,不需伺服器、不耗任何 AI 額度。
痛點・PPT 第 4 頁
你是不是常常都在重新介紹自己的專案?
跟 AI 講了半天你的程式,換一個對話視窗,它就全忘了。按播放,過一天看看。
按播放,看一天的工作怎麼過。
AI 每一次,都像第一次認識你的專案。
換個角度:這不是 AI 笨,是你每次都在「重新認識」它。像每次去診所都換一位醫生,病歷不跟著走。今天要解決的就是這件事。
CH1・觀念 1・PPT 第 11 頁
什麼是 Agent?
一般程式:流程你先寫死。Agent:你只給目標。按播放,先看一般程式怎麼走,再看 Agent 怎麼走,兩邊會遇到同一個意外。
按播放。先看一般程式,再看 Agent。
你給的不是步驟,是目標。
換個角度:左邊像食譜,第三步一定是打蛋;右邊像叫外送員買晚餐,他自己決定去哪家、怎麼走。那個往回的箭頭,叫迴圈。
CH1・觀念 2・PPT 第 12 頁
Agent vs 直接跟 LLM 聊天
同一個模型、同一句話。先送給左邊,再送給右邊,看它們各自做了什麼。
按送出。先看直接聊 LLM 的反應,再看 Agent。
差別不在模型多強,在於它有沒有手,以及能不能再跑一輪。
換個角度:ChatGPT 很聰明,但它只能跟你「講」。Agent 差在兩件事:它有手,而且做完會回頭看一眼,不對就再來。
CH1・觀念 3・PPT 第 13 頁
自主程度是一條光譜,不是開關
同一個任務「整理這個月的報表」。拉動滑桿,看每一級是誰在動手、你要付出什麼。
不是越自主越好 —— 自主度要配得上你願意承擔的驗證成本。
換個角度:Lv1 是實習生,每一步都問你;Lv3 是資深同事,交代一次自己做完再回報;Lv4 是外派主管,一週後才看到結果 —— 你得先想好怎麼盯。
CH1・觀念 4・PPT 第 14 頁
為什麼「拆步驟」這麼重要
同一個任務、同一個錯。先看一口氣做完五件事會怎樣,再看一次只做一件、每做完檢查一次。
按播放。先看左邊,再看右邊。
拆步驟,本身就是降低幻覺的方法。
換個角度:一次算完五題再對答案,跟每題算完就對一次,哪個容易找到錯?
CH1・吳恩達老師・PPT 第 15 頁(第 16、18、21、23 頁逐塊點亮)
四大設計模式:一個 Agent 怎麼疊著用
先給地圖,等一下逐站走。按播放,積木會照一個 agent 實際跑一輪的順序亮起來;也可以直接點任一塊。
把大任務拆成小任務
呼叫 Python、讀檔、查資料
發現有問題就修正
否 → 回到 ①
按播放,或直接點一塊積木。
四大模式不是四選一,而是像積木一樣疊著使用。
換個角度:出國旅行 —— 先排行程(Planning)、用手機訂票(Tool Use)、出發前檢查護照(Reflection)、人多才分工(Multi-agent)。一般任務用前三塊,複雜任務才加第四塊。
CH1・模式 ①・PPT 第 17 頁
Planning:先想好路線再出發
同一個目標「整理這個月報表」。先看沒有計畫的 agent 怎麼做,再看先拆好路線的 agent 怎麼做。
- 目標:整理這個月報表
按播放。先看左邊,再看右邊。
Agent 不是想到什麼做什麼,而是沿著可預期的計畫工作。
換個角度:你要出門旅行,會先排行程。重點是行程要貼在冰箱上 —— 計畫要能被你看見、被你改。看不見的計畫等於沒有計畫。
CH1・模式 ②・PPT 第 19 頁
Tool Use:讓 AI 長出手腳
你的專案裡本來就有 generate_report(month)。先看沒包成工具時 AI 怎麼回,再看包成工具之後。
def generate_report(month): ...{ "name": "generate_report",
"parameters": { "month": "string" },
"description": "產出該月報表" }按播放。先看左邊,再看右邊。
工具不是新功能,是把既有能力變成 AI 可以呼叫的介面。
換個角度:你的專案裡,哪一個功能最常手動跑?那就是第一個要包的工具。補充:MCP 是把工具接上 LLM 的標準介面,接一次到處能用。
CH1・模式 ②・機制・PPT 第 20 頁
AI 到底怎麼呼叫你的 Python?
先講結論:LLM 從頭到尾沒有碰你的電腦。動手的一直是你自己的程式。按「下一步」,一步一步看。
- ① 你先給它一張清單函式名、要什麼參數、一句話用途。不給程式碼,只給清單
- ② 你問一句話「這個月吃飯花多少?」
- ③ LLM 只回一段文字「我要用 category_breakdown,month=2026-08」—— 它只是說出要叫哪一個
- ④ 你的 Python 收到,自己去呼叫真正執行函式的是你的程式,不是 LLM
- ⑤ 結果送回去,它翻成人話「飲食 2450 元,是第二多的」
按「下一步」開始。
LLM 只負責說出要叫哪一個。動手的,從頭到尾都是你的 Python。
換個角度:LLM 像窗口外的翻譯,手上只有一張菜單。他不能進廚房 —— 煮菜的是你的程式。所以清單上沒有的事它做不到;權限擋得住,是因為動手的是你的程式。
CH1・模式 ③・PPT 第 22 頁
Reflection:讓 AI 檢查自己的作業
同一份報表。先看沒有自我檢查、一次定生死會怎樣;再看產出初版 → 依標準自評 → 產出修訂版。
按播放。先看左邊,再看右邊。
會自我檢查的 agent,才敢讓它自己跑完。
換個角度:寫完作文回頭看有沒有錯字。但檢查會讓時間跟花費變兩倍 —— token 就是你送出與收到的總字數,API 按這個算錢 —— 所以只放在「錯了代價很高」的步驟。
CH1・模式 ④・PPT 第 24 頁
Multi-agent:多個專職角色協作
一份年度分析報告。先看一個 agent 全包會怎樣,再看研究、分析、撰寫、審查四個專職 agent 分工。
按播放。先看左邊,再看右邊。
Multi-agent 是下一步,不是起手式。
換個角度:分組報告。人多不一定比較快 —— 能一個 agent 解決的,不要拆成三個,溝通成本與失敗面都會跟著放大。任務大到一個人裝不下時才拆。
CH1・組成・PPT 第 26 頁
Agent 的 6 大組成要素
六個零件都在,交代「把昨天的 log 整理成報表」會順利完成。點任一個零件把它拔掉,再看同一件事會變成什麼樣。
按播放,六個零件都在的樣子。
剛剛的四大模式講「怎麼想」,這 6 大組成講「要蓋哪些零件」。
換個角度:一位員工 —— 大腦、手腳、工作習慣、筆記本、電話、公司規定。第二段的十五個步驟,就是把這六樣一個一個裝上去。
CH1・運作・PPT 第 27 頁
規劃迴圈是怎麼跑起來的
「幫我把昨天的 log 跑成報表」。先看沒有迴圈的一次呼叫,再看迴圈怎麼一輪一輪跑到 done。
讀工具清單,選一個
迴圈才停
按播放。先看左邊,再看右邊。
迴圈是 agent 的心跳。沒有迴圈,那只是一次函數呼叫。
換個角度:你講一句話 → 它想下一步 → 呼叫工具 → 看結果 → 沒完成就回第二步。每一輪它都會重看一次工具清單,所以新加的工具當場就能用。
CH1・小結・PPT 第 28 頁
第一段小結
四句話帶走。按播放,一句一句回顧。
按播放。
概念站穩了,接下來就是動手蓋。
這裡留三分鐘問答。不夠就記下來,午休回答。