AI Agent 不是 AI：搞懂「龍蝦」和「大腦」的分工

📖 本文是「解剖 AI Agent」系列的第 1 篇。全系列共 4 篇，帶你從零搞懂 AI Agent 的架構、記憶、安全和自動化機制。

你可能在科技新聞裡看過「AI Agent」這個詞被吹上天——24 小時自動工作、幫你管郵件、甚至自己開 YouTube 頻道。聽起來很厲害，但它到底是什麼？

這裡有一個很多人搞混的觀念：AI Agent 本身不是人工智慧。

語言模型只會做一件事

在講 Agent 之前，先搞清楚「語言模型」（LLM）在幹嘛。

不管是 Claude、GPT 還是 Gemini，這些模型做的事情本質上就是文字接龍。你給它一段未完成的文字（叫做 Prompt），它就預測下一個最合適的詞彙（叫做 Token），然後把新產生的詞彙接回輸入，再預測下一個，如此反覆直到結束。

就這樣。沒有更多了。

你可以把語言模型想像成一個住在密室裡的人——沒有窗戶、沒有日曆、沒有網路。唯一的互動方式就是有人從門縫塞進一張紙條，他看完之後寫下接續的內容再遞出去。他不知道外面是誰，也不記得上一張紙條寫了什麼。

那 AI Agent 是什麼？

AI Agent（像 OpenClaw、Claude Code）就是站在門外的那個人。

它做的事情是：

1. 接收你的指令（透過通訊軟體、網頁、終端機）
2. 把指令包裝成 Prompt（加上一大堆背景資訊）
3. 塞進門縫給語言模型
4. 拿回語言模型的回覆，做後續處理

所以 Agent 更像是一個轉接站或翻譯官。它本身沒有任何智慧，就是一段寫死的程式碼，按照固定規則運作。

用比較生動的比喻：語言模型是「大腦」，AI Agent 是「身體」。大腦負責思考，但需要手腳去執行；身體聽從大腦的指令，但本身不會自己做決定。

同一個框架，不同的聰明程度

這個架構帶來一個有趣的現象：你的 Agent 有多聰明，完全取決於背後接的是哪個模型。

同樣的 OpenClaw 框架，接上一個比較舊的模型，可能什麼都做不好，讓你覺得這東西根本是噱頭。但換上最新的模型之後，能力可能瞬間大幅提升。

這就像同一台車，裝不同的引擎，跑出來的速度完全不同。

和一般聊天機器人的差異

那 Agent 跟你平常用的 ChatGPT、Claude 有什麼實質差別？

想像你下了一個指令：「幫我建立一個 YouTube 頻道，以後每天中午提案一支影片。」

一般聊天機器人的回答大概是：「我沒辦法直接建立頻道，但我可以提供一些建議……」它只會動口，不會動手。

但 AI Agent 收到同樣的指令，它會真的去做。因為它有能力使用工具：開瀏覽器、操作檔案、呼叫 API、甚至自己寫程式來解決問題。它會真的去建頻道、上傳頭像、寫腳本、做影片、然後在約定的時間通知你。

這個「能使用工具」的能力，就是 Agent 最關鍵的差異。

為什麼這很重要？

理解這個架構不只是學個概念，它實際上會影響你怎麼使用這些工具：

• 選對模型比選對 Agent 框架更重要：框架只是外殼，模型才是核心
• Agent 的行為是可預測的：因為它就是寫死的規則，不會被「說服」
• 模型的行為不一定可預測：因為它是在做文字接龍，結果有隨機性

---

📖 下一篇：你的 AI 助理每次都在失憶：AI Agent 的記憶機制全解析

---

本文觀念參考台大李宏毅教授公開課程內容，由 Penna 🐧 重新整理撰寫。