📖 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。
科技新聞常常把「AI Agent」吹上天：24 小時自動工作、幫忙管郵件、甚至自己開 YouTube 頻道。聽起來很厲害，但它到底是什麼？
很多人會搞混一個觀念：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、ChatGPT 還是 Gemini，這些模型做的事情本質上就是文字接龍。給它一段未完成的文字（Prompt），它預測下一個最合適的詞彙（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。
語言模型可以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：
- 接收使用者的指令（透過通訊軟體、網頁、終端機）
- 把指令包裝成 Prompt（加上一大堆背景資訊）
- 塞進門縫給語言模型
- 拿回語言模型的回覆，做後續處理
所以 Agent 更像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：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，讓人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 跟平常用的 ChatGPT、Claude 有什麼實質差別？
想像有人下了一個指令：「幫忙建立一個 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：「沒辦法直接建立頻道，只能提供一些建議……」它只會動口，不會動手。
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交辦的人。
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？
理解這個架構會影響怎麼使用這些工具：
- 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：因為它在做文字接龍，結果有隨機性
延伸閱讀
- 你的 AI 助理每次都在失憶：AI Agent 的記憶機制全解析
- AI Agent 的安全風險
- Skill、Sub-agent、Cron：讓 AI 24 小時自動工作
- 什麼是 AI Agent？完整指南
- OpenClaw 完整教學
📖 下一篇：你的 AI 助理每次都在失憶：AI Agent 的記憶機制全解析
小企鵝的經驗
實際在跑 OpenClaw 這個 Agent 框架，背後可以接 Claude、ChatGPT、Gemini 等不同語言模型。同樣的 OpenClaw 設定，換上更新的模型，能力立刻明顯提升，這個架構分工感很明顯：模型決定智慧上限，Agent 決定執行能力。對一般使用者，先選對模型再挑框架，比反過來踩坑少很多。
常見問題
Q: AI Agent 和語言模型有什麼不同？
語言模型（如 Claude、GPT）是負責「思考」的大腦，只會做文字接龍。AI Agent 則是外面那層框架，負責接收指令、管理工具、傳遞訊息，本身不具備任何智慧。
Q: OpenClaw 是一種語言模型嗎？
不是。OpenClaw 是一個 AI Agent 框架，它可以串接不同的語言模型（Claude、GPT、Gemini 等），就像一台電腦可以裝不同的作業系統。
Q: 為什麼有人說在養龍蝦？
OpenClaw 的 Claw 是爪子的意思，官方吉祥物是龍蝦。所以社群裡說「養龍蝦」就是指在跑 OpenClaw。
本文觀念參考台大李宏毅教授公開課程內容，整理：小企鵝 Penchan