[AI 分享] 吳恩達AI Agent課程重點整理

 [AI 分享] 吳恩達AI Agent課程重點整理

摘要 : 濃縮吳恩達8小時AI Agent課程，快速理解什麼是Agent、如何搭建，以及最常被忽略的評估關鍵。

內容:

這次內容主要是把吳恩達釋出的 AI Agent 完整課程重點濃縮整理，幫大家省下八小時的學習時間。即使你不會寫程式、沒有技術背景，只要平常有在使用 ChatGPT、Gemini 這類 AI 工具，也能透過這份整理快速掌握核心觀念。

首先，AI Agent 其實沒有很多人想像中那麼複雜。最簡單的理解方式，就是替 AI 加上「自己做決定」和「使用工具」的能力。過去的大語言模型通常是你問一句、它答一句，任務到此結束；但 Agent 不一樣，它可以自己拆解任務、決定步驟、選擇工具，逐步完成整件事。

整個概念可以分成三個層次來理解。第一層是大語言模型，也就是我們熟悉的 ChatGPT、Claude、Gemini。這類模型的特點是輸入問題、輸出答案，但它有兩個限制：第一，它不知道你的個人資料或外部即時資訊；第二，它是被動的，你不下指令，它就不會主動行動。

第二層是 AI Workflow，也就是 AI 工作流。這一層是在大語言模型上增加固定步驟，讓 AI 在回答問題前，先去查日曆、待辦事項或其他資料來源。這樣它能回答得更準確，但本質上仍然只是照著你事先設定好的流程走。只要真正做決策的人還是你，那它就還不算 Agent。像常聽到的 RAG，本質上也是一種先查資料再生成答案的工作流。

第三層才是真正的 AI Agent。從 Workflow 升級到 Agent 的核心差異，在於「做決定的人從你變成 AI」。你不需要替它規劃每一個步驟，只要告訴它最終目標，例如幫你完成一份週報，它就會自己決定去哪裡蒐集資料、怎麼整理內容、是否需要檢查品質，甚至反覆修改直到結果夠好為止。

這裡有一個重要概念叫做 ReAct，也就是 Reasoning 加上 Action，代表推理與行動。真正的 AI Agent 必須同時具備這兩種能力：先想清楚怎麼做，再實際去做。它不只是會回答問題，更能採取行動、使用工具、持續迭代。

如果要搭建一個 AI Agent，核心可以拆成三塊積木。第一塊是模型 Model，也就是 AI 的大腦，負責理解、推理、產生內容。第二塊是工具 Tool，也就是讓 AI 能與外部世界互動的能力，例如查詢資料庫、讀取日曆、存取訂單系統、發送訊息等。第三塊則是評估 Evaluation，負責檢查結果品質、替輸出打分，判斷任務是否真的完成得夠好。

其中，工具的作用特別容易從實際場景看出來。以電商客服為例，當客戶反映尺寸寄錯，AI 模型本身可以先理解訊息內容，抓出關鍵資訊；接著需要透過工具連接後台系統，查詢訂單、物流與庫存；最後再利用模型撰寫回覆，並透過另一個工具把訊息真正發送出去。這就是模型與工具互相配合的完整過程。

而整份內容最重要的一個提醒，就是大多數人最容易忽略的「評估」。很多人在談 AI Agent 時，只關注模型夠不夠強、工具接得多不多，卻忽略了最後怎麼判斷結果是好還是不好。其實評估才是讓 Agent 能真正穩定運作的關鍵，因為沒有評估，AI 就無法知道自己是否做對、是否需要修正，也無法持續提升表現。

總結來說，AI Agent 的本質不是神秘的新技術，而是讓 AI 從單純回答問題，升級成能自主思考、使用工具並完成任務的系統。理解它的最好方式，就是先分清楚大語言模型、工作流與 Agent 的差異，再掌握模型、工具、評估這三大核心結構。只要把這些概念搞懂，你就已經具備進一步實作 AI Agent 的基礎了。