代理式AI與代理式工作流程介紹

隨著人工智慧（AI）的持續進步，一個新興領域——代理式AI（Agentic AI）逐漸興起。不同於傳統AI，代理式AI旨在理解更複雜的情境並做出戰略決策。在本文中，我們將深入探討代理式AI的世界，涵蓋其關鍵組成部分和發展歷程，並闡述其與傳統AI的差異。我們還將討論代理式AI在商業運營中的實施優勢與風險，以及其未來的發展趨勢。

什麼是代理式AI？

代理式AI是一種專門設計來理解複雜工作流程並自主實現目標的AI系統，幾乎無需人類干預。代理式AI的主要特徵包括：

• 自主性：代理式AI擁有自己的目標、宗旨和動機，這些驅動其決策和行動。它能夠在無需人類監督的情況下，自主選擇最合適的步驟來達成目標。
• 適應性學習與推理：代理式AI能夠從與環境的互動中收集資訊，並從過去的經驗中學習。這些代理可以運用推理和問題解決能力來更新知識、調整策略，並隨時間提升其性能。
• 語言理解：代理式AI利用先進的自然語言處理（NLP）模型，如變壓器（transformers）和大型語言模型，以深層語義理解和處理人類語言。
• 工作流程優化：代理式AI結合語言理解、推理、規劃和決策能力，來優化工作和業務流程。這包括優化資源分配、簡化溝通與協作，以及識別流程自動化機會。
• 多代理與系統對話：代理式AI能夠與其他代理進行通信，構建複雜的工作流程。它還可以連接到其他系統或工具，如電子郵件、代碼執行器或搜索引擎，來執行各種任務。

這些功能的整合使代理式AI成為提升生產力和改善決策過程的強大工具，並使其與傳統AI有所區別。

代理式AI與傳統AI的比較分析

代理式AI和傳統AI在諸多方面存在顯著差異。下表分析了兩種類型AI的不同特徵，並列出各自的例子。

特徵	代理式AI	傳統AI
複雜性與多樣性	更加多樣化，適用於更廣泛且動態複雜的問題和挑戰	設計用於特定任務或應用
自主性與決策	能夠設定自己的目標、進行推理並獨立決策	執行預先編程的指令並對特定輸入做出反應
互聯性	能夠與其他系統、資訊來源甚至人類連接與互動	主要與用戶或其他系統進行預定義的結構化互動
適應性與學習	設有持續學習和適應的機制	適應新情境或從經驗中學習的能力有限
速度與效率	由於工作流程和任務的複雜性，處理速度較慢	由於方法精簡，處理速度較快
例子	微軟的AutoGen、Moveworks的Next-Gen Copilot	蘋果的Siri、Netflix或Amazon的推薦系統

代理式AI的構建要素

LangChain的創始人Harrison Chase指出，構建代理式AI的要素包括四個主要方面：規劃、記憶、工具和行動。

• 規劃: 代理會設計一個工作流程以達成目標。計劃包括反思、自我檢討、思維鏈和子目標分解。為了讓代理制定更好的計劃，提示工程是代理助理生成更接近期望結果的基礎。更多提示範例請參閱部落格文章「如何在沒有任何編程技能的情況下創建AI助手」。規劃過程由記憶組件支持，以回顧計劃或工作流程中的前一子任務。
• 記憶: 代理具備記憶組件，用於存儲先前的行動或子任務，這些可能在未來的規劃或行動中需要。記憶分為短期記憶和長期記憶，用於存儲具有不同依賴性的數據或先前的任務結果。
• 工具: 指一組工具，如日曆、計算器、代碼解釋器，代理助理使用這些工具來執行特定任務。
• 行動: 代理根據計劃完成分配的任務並利用所配備的工具。

這四個方面循環運行，形成一個週期，直到完成給定的任務。流程從規劃開始，配置工具，進行行動，然後記憶，最後回到規劃，開始下一階段的計劃或另一個任務。

舉例來說，若需代理式AI計算（1+2）/3，代理將從規劃階段開始。首先計劃計算1+2，裝備計算器工具，並執行加法。生成結果後，將結果存儲在短期記憶中以進行下一步。最後，回到規劃階段反思計劃，並利用記憶中的結果進行除法，完成任務。若需執行更複雜的任務或工作流程，可建立多代理系統，由多個擁有不同工具或規劃的代理式AI組成，來指定不同的子任務。

對話式AI的演進：從反應型到代理式AI

過去數十年，對話式AI領域經歷了顯著變化，從簡單的基於規則的聊天機器人，到能進行決策和目標導向行為的先進代理式AI系統。演變過程中經歷了幾個關鍵階段：

1. 反應型對話式AI

早期的對話式AI系統主要基於規則，對特定用戶輸入有預設回應。這些系統沒有記憶，且任務單一。在自然、上下文對話方面能力有限，常難以理解複雜語言。

2. 具備上下文理解的對話式AI

隨著自然語言處理（NLP）和機器學習的進步，AI經過大量數據訓練後，能掌握更廣泛的對話上下文和細微差別。通過整合語言模型、對話管理和知識庫，對話式AI系統在理解上下文、保持連貫對話及根據對話流程調整其自然語言回應方面變得更加成熟。

3. 代理式AI

企業應用中，不僅需回應用戶，還需能自主管理和執行複雜工作流程或任務的系統。這些系統需具備主動性，能預測、規劃並獨立行動以達成目標。因此，開發出滿足這些需求的代理式AI助理，這些助理具備自主設定目標、上下文感知的決策能力、強大的語言理解能力，以及與各種企業系統整合的能力。

什麼是代理式工作流程？

代理式工作流程指的是連接多個代理式AI，形成更具迭代性或多步驟的框架，使代理能夠自主執行更複雜的任務並做出決策。能夠處理更複雜任務的代理式工作流程有幾個關鍵要素：數據整合、決策點和反饋機制。欲了解更多細節，請參閱文章「AI代理的力量及如何構建AI代理」。

代理式流程

從單一代理式AI轉向代理式工作流程，強調利用AI提供更佳結果，即使是較不先進的大型語言模型（LLM）在整合到這些複雜多層系統中時，也能產生令人印象深刻的成果。建立此類系統的主要步驟包括：

步驟一：識別工作流程和結構

在開始構建代理助理或工作流程之前，首先應識別代理式工作流程的結構或各個AI代理的角色，以便更清晰地了解工作流程的全貌。你可能需要考慮以下問題來了解代理式工作流程和代理式AI助理的結構：

• 工作流程將處理哪些任務或問題？
• 需要多少代理式AI來將複雜任務分解為更小的子任務？
• 各個代理的角色或目標是什麼？
• 每個代理式AI的輸入和輸出是什麼？
• 代理在工作流程中如何互動或連接？

回答上述問題後，你將能更清晰地了解工作流程的結構，進而進入下一步。

步驟二：指定和創建代理助理

了解所需代理的數量及其角色後，可根據其職責開始構建代理。創建代理式AI時，需考慮上述四個主要構建要素：

• 規劃與行動：確定代理的輸入和輸出，並檢查是否有中間步驟，如使用工具或代理需進行的規劃過程，以便設置代理的提示詞。
• 記憶：確定需要檢索多少過去的訊息，以及是否需要長期記憶。這可能取決於所使用的模型或框架。一些框架本身支持記憶系統，但有些需要自行設置記憶系統。
• 工具：根據代理的角色，確定代理可能需要的增強功能或擴展。例如，若代理是銷售線索的研究員，可能需要網絡搜索工具和網絡爬蟲，以從其網頁或LinkedIn收集線索資訊。

在確定所有構建要素的需求後，即可使用選定的LLM模型設置代理。了解不同LLM模型的差異，請參閱部落格文章「如何在沒有任何編程技能的情況下創建AI助手」中的表格。

步驟三：利用代理式工作流程進行自動化

設置好所有代理後，即可構建代理式工作流程。根據第一步的考量，可通過將一個代理的輸出作為另一個代理的輸入或其他方式來設置代理之間的連接。你可能需要優化代理的提示詞或添加額外步驟來重新格式化輸出，以適應另一個代理的輸入提示。

設置好代理式工作流程後，應監控其性能並優化其結構，以提升系統的效率、準確性和創造力。

代理式AI與工作流程在現代應用中的應用

代理式助理如何幫助？

代理式AI能為企業帶來巨大效益，包括通過連接多個系統和工具來提升效率，並自動化整個複雜的工作流程。它還能接管重複性繁瑣的任務，節省員工時間，同時優化工作流程並增強決策過程。

代理式AI與代理式工作流程的應用案例

以下是一些代理式工作流程和助理的應用案例：

• 數據可視化：可設置多代理對話，每個代理執行一個子任務。從編碼人員撰寫從網站提取數據並繪製圖表的程式，到評論員對代碼提出修改意見，再到執行員檢查代碼是否無誤。評論員和執行員的反饋將供編碼人員重新編寫代碼，直到無錯誤為止。
• 檢索增強生成（RAG）：代理能從不同數據來源（如網頁或數據庫如VectorDB）提取並整合數據，以基於模型訓練數據集之外的新數據生成回應。
• 客戶服務：代理可提供全天候的客戶支持，處理詢問、解決問題並指導客戶完成各種流程。此外，代理能根據用戶回應或偏好不斷調整，以實現個性化並提升客戶滿意度。

潛在風險

儘管實施代理式助理能帶來重大效益，組織也需注意以下潛在風險：

A. 道德與責任問題

代理式AI系統因其增強的自主性和決策能力，可能引發有關透明度、公平性和責任的道德問題。驅動AI決策能力的複雜算法對普通用戶而言難以理解和預測。這種透明度的缺乏可能降低AI決策的可信度，並成為其採用和審計的障礙。因此，需要要求代理式AI系統提供決策解釋，以理解AI推理背後的邏輯並增強可信度。企業還可設立AI倫理委員會，使用偏見檢測工具，以進一步確保在使用代理式AI時的透明度、公平性和責任。

B. 安全性與漏洞風險

代理式AI系統將連接至企業網絡和數據來源，若未妥善保護，可能引入新的網絡安全漏洞。惡意行為者可能利用AI系統的弱點，導致數據洩露、系統中斷，甚至操控AI的決策過程。全面的安全措施，包括強大的訪問控制、加密和事件響應協議，是必不可少的。

C. 可擴展性與維護複雜性

隨著系統在複雜性和規模上的增長，企業可能面臨有效維護、更新和擴展這些系統的挑戰。持續學習、模型優化和系統維護的需求可能需要大量資源並需專業知識。企業應投資於堅實的基礎設施、流程和技術人員，以確保其代理式AI計劃的長期可持續性和可擴展性。

代理式AI與代理式工作流程的未來趨勢

代理式AI將在未來持續發展，以下是對其未來應用和發展的一些預測：

• 增加採用率: 代理式AI的採用率將在廣泛的企業部門顯著提升，因為組織認識到其在提高效率、決策能力和客戶體驗方面的潛在利益。
• 虛擬勞動力: 代理式AI不會完全取代人類員工，而是越來越多以協作的混合模式部署，人類與AI代理共同工作，利用各自的優勢。
• 個性化與上下文適應: 代理式AI系統將變得更加個性化和適應性，根據個別用戶的具體需求調整其互動、建議和決策能力。這可通過結合持續反饋和學習的機器學習技術實現。
• 安全措施: 為確保代理式AI系統的安全和負責任使用，堅實的保障和控制機制至關重要，這可能包括資源限制、實施訪問控制、嵌入驗證檢查，以及處理隱私、偏見和透明度等倫理考量，所有這些都有助於維護代理式AI的負責任和倫理部署。

結論

代理式AI的出現標誌著企業AI革命的一個轉型階段。具備自主規劃、推理、執行和適應能力的代理式AI有望在核心業務運營中帶來效率和生產力的提升，開啟新時代。

在實施過程中，這也伴隨著一系列潛在風險，組織必須準備應對，從道德和責任問題到安全漏洞。然而，隨著我們實施各種倫理和安全措施，並進一步完善基礎設施，這些風險可以得到有效管理，引導我們成功實施代理式AI。

通過擁抱這一轉變，組織能夠為長期成功定位自己，提升服務質量，優化運營，並在不斷變化的商業環境中保持戰略優勢。