什麼是代理式 AI？
代理式 AI 是一種具自主性的 AI 系統，能獨立採取行動以達成預先設定的目標。傳統軟體需遵循預先定義的規則，傳統人工智慧也需透過提示與逐步引導才能運作。但代理式 AI 具備主動性，無需人力持續監督即可執行複雜任務。「代理式」指的是代理權，這類系統能獨立行動，且是以目標為導向的方式運作。
AI 代理程式可彼此通訊，也能與其他軟體系統互動，將現有的業務流程自動化。不僅如此，相較於靜態的自動化，它們還能根據情境做出獨立決策。它們能從環境中學習並適應變化條件，從而精準執行複雜工作流程。
例如，代理式 AI 系統可最佳化員工排班。若有員工因病請假，該代理程式能與其他員工溝通，在仍符合專案資源與時間需求的前提下，重新調整排班表。
代理式 AI 系統有哪些特性？
以下是代理式 AI 系統的關鍵特徵。
主動性
代理式 AI 會主動採取行動，而非被動等待直接輸入。傳統系統屬於「反應性」，僅在受到觸發時才會反應，且遵循預先定義的工作流程。與此相對，代理式系統能預測需求、辨識新興模式，並在潛在問題升級前主動採取措施解決。其主動行為的背後，是對環境的感知能力，以及依據長期目標評估結果的判斷力。
例如，在供應鏈場景中，傳統物流平台僅會在使用者查詢或透過定期通知時更新運送狀態。而代理式 AI 系統可即時監控庫存水平、追蹤天氣狀況，並預測運送延誤風險。它不僅能主動發出警示，甚至可重新規劃運送路徑，以減少停機時間。
適應性
適應性是代理式 AI 的核心特徵之一，指其能根據不斷變化的環境與特定網域調整自身運作。傳統 SaaS 解決方案雖設計為可跨產業擴展、處理重複性任務，但往往缺乏深度理解「領域專屬情境」的能力。代理式系統則透過「情境感知」與「領域知識」彌補這一缺口，讓 AI 代理程式能做出具智能的回應。它們會依據即時輸入調整行動，並處理標準解決方案無法應對的複雜場景。
例如，一般客服平台可能僅以預設答案回應使用者，而支援醫療機構的代理式 AI 系統不僅能理解醫學術語、遵守醫療法規，還能根據患者不斷變化的需求調整回應，提供更精準、符合情境的支援。
協作性
代理式 AI 的設計初衷包含與人類協作及與其他代理式 AI 系統協作的能力。AI 代理程式並非獨立運作，而是做為更大團隊的一部分。它們能理解共同目標、解讀人類意圖，並相應地協調行動。在需要人類監督或決策的場景中，也能綜合多方來源的輸入開展工作。
例如，一個治療規劃代理程式可與多個不同醫療團隊 (如腫瘤科、放射科、護理團隊) 協作，為癌症患者制定整合式治療與後續追蹤計畫。
專屬性
代理式 AI 通常建立在多個高度專屬性代理程式的基礎上，每個代理程式專注於某一狹窄領域的專業知識。這些 AI 驅動的代理程式會彼此協調，分享見解並根據需求移交任務。這種方式可實現更高深度的領域專屬效能。
例如，在金融服務領域，可能有一個代理程式專注於法規遵循，另一個專注於詐騙偵測，第三個專注於投資組合最佳化。它們協同工作時，可即時監控交易、標記異常行為、建議投資調整，同時確保全程符合法規要求。
代理式 AI 有哪些使用案例？
代理式 AI 的應用潛力無限，且可依各類需求進行完全自訂。以下是幾個早期採用範例。
支援研發
任何領域的研發工作都需執行大量人工流程，例如假說測試、研發資訊蒐集、資料收集、跨資料來源的見解彙整等。代理式 AI 可減少這些人工流程對人力介入的需求。它能簡化研發流程，並更好地協調負責應對研發挑戰的團隊。
代理式 AI 還能推動多代理程式協同運作，讓主管可運用多個專業模型建構複雜的研發流程管線。例如，代理式 AI 可從可信平台上發布的最新研究中提取資訊、彙整研究結果、規劃後續測試，並將研究人員開展調查所需的最終成果呈現出來。這種方式能大幅節省研發過程中的時間與成本。
程式碼轉換
代理式 AI 可透過專屬的 AI 驅動代理程式，降低應用程式現代化與移轉任務的複雜度。例如，針對.NET 的代理式 AI 模型，可運用機器學習、圖神經網路、大型語言模型 (LLM) 與自動推理，將基於 Windows 的.NET 應用程式快速現代化並移轉至 Linux 系統。
同樣地，代理式 AI 也能將 z/OS 平台上的 COBOL 單體應用程式拆解為獨立元件，將原本需數個月的流程縮短至數分鐘內完成。在自動化應用程式移轉與現代化方面，代理式 AI 的速度、規模與效能均無可比擬。
事件回應自動化
無論事件是由漏洞還是人為操作錯誤引發，代理式 AI 都能加速事件回應流程，為企業節省時間並提升復原效率。代理式 AI 可自動執行整個事件回應路徑：回滾問題、生成事件報告，並通知所有需掌握資訊的團隊成員。
代理式 AI 不僅能提升事件回應速度，還能提供更具針對性的深度事後分析，協助防止相同錯誤日後再次發生。
客戶服務自動化
在許多客戶服務場景中，客戶所需的資訊其實已存於線上教學課程或說明文章中。代理式 AI 會處理客戶服務諮詢，並快速搜尋企業現有的文件資源，找到能協助客戶的合適答案。若僅此無法解決客戶的疑問，代理式 AI 還能與使用者互動，進一步收集其案件資訊，並引導使用者找到解決方案。它們的設計包含模組化元件，如推理引擎、記憶體、認知技能與工具，這些元件使其能解決絕大多數問題。
這類 AI 驅動的代理程式可獨立運作、從環境中學習、適應變化的條件，並制定更有效的策略協助客戶。若經多次嘗試仍無法解決客戶的問題，代理程式會聯絡人工客服，並將案件指派給對方處理。在客戶服務場景中運用此類 AI，不僅能減輕人工團隊的負擔，還能讓絕大多數以客戶為導向的服務實現全天候不間斷運作。
代理式 AI 有哪些優勢？
採用代理式 AI 可為企業帶來多項商業效益。
提升效率
代理式 AI 能透過自動化，協助企業簡化各類具挑戰性或專業性任務的複雜度。相較於依賴人工執行的手動流程，運用代理式 AI 可自動化處理繁瑣工作，為員工節省時間。員工可將代理式 AI 節省下的時間投入更具挑戰性的任務中，例如問題解決、策略規劃及其他推動增長的關鍵工作。
增強使用者信任
代理式 AI 在與客戶互動時，能提供更高程度的個人化服務。透過運用既有的客戶資料，代理式 AI 可快速生成符合客戶需求的客製化訊息、以客戶偏好的語調與其互動，並給出實用的產品建議。隨著時間的推移，代理式 AI 有助於改善客戶關係，並建立客戶與企業間的信任。
此外，企業也可運用代理式 AI 分析客戶回饋，辨識最常出現的資訊並提供給產品工程師。同時，代理式 AI 還能直接回覆留下回饋的使用者，打造正向的回饋循環，讓客戶感受到企業認真對待他們的意見。
持續改善
代理式 AI 具備持續學習與進步的能力，可針對指派的各類任務進行調整。它會透過互動與回饋進行學習，並依據此循環機制持續最佳化決策流程。對企業而言，這意味著隨著時間推移，代理式 AI 能以越來越高的水準持續發揮效益，為企業創造更大價值。
人力增強
代理式 AI 可做為人類工作者的卓越協作工具，提升其生產力，同時減少其須執行的繁瑣手動任務數量。透過與代理式 AI 模型協同工作，人類工作者能更順利地解決複雜挑戰、自動化執行困難的決策流程，並進一步提升自身的工作效率。
代理式 AI 系統有哪些類型？
代理式 AI 分為單代理程式或多代理程式設置。單代理系統 在單代理式 AI 系統中，僅有一個 AI 代理程式依序處理所有任務。此類系統適用於企業需要更快的解決方案，以解決明確定義的問題或流程的場景。
相較於單代理，多代理式 AI 由多個 AI 代理程式協同運作，將複雜的工作流程拆解為多個小型子任務分別處理。此方法比單代理系統可擴充性更高，能更加靈活地處理複雜場景。目前絕大多數代理式 AI 代理程式的部署均採用多代理形式，因其能覆蓋更多元的應用需求。
以下為多代理程式系統的幾種不同結構。
水平式多代理
水平式多代理式 AI 是一種運作系統，其中所有 AI 代理程式的技術能力與複雜度處於同一層級。每個代理程式都專精於一項特定的狹義技能，並將各自的處理結果彙整，以解決複雜問題。此架構會透過專屬 AI 代理程式之間的橫向協作與通訊來運作。
垂直式多代理
在垂直式多代理系統中，存在階層式架構，其中低階 AI 代理程式負責的任務相較高階代理更「簡單」。該架構的最高階層負責處理需更多運算資源與 LLM 的任務，例如批判性思考、推理與決策。此架構中的低階 AI 代理程式則執行諸如資料收集、資料格式化或資料處理等任務，並將處理後的資料上傳至更高階層。
代理式 AI 如何運作？
代理式 AI 代理程式會透過結構化流程運作，該流程包含四個階段：感知、推理、行動與學習。在此流程中，每個階段都整合了多項先進的 AI 技術與方法。
感知
在感知階段，AI 代理程式會從各種不同來源收集即時資料，並擷取結構化、半結構化與非結構化資料。代理程式會直接與 RESTful API、gRPC 服務及 GraphQL 端點互動，根據需求從雲端平台、企業系統與 SaaS 應用程式中擷取資料。
在某些舊式系統或需處理大量文件的環境中，最佳字元辨識技術 (OCR) 與自然語言處理 (NLP) 可協助從掃描文件中篩選出相關資訊。在感知階段，代理程式還會對資料進行處理，根據其運作的任務上下文判斷哪些資料具有實用性。
推理
推理階段由 LLM 驅動，這些模型能協助解讀代理程式的目標上下文、制定應遵循的行動計畫，並利用感知階段接收的新資訊進行即時調整。LLM 採用具備語義推理、錯誤處理能力的模型，並能針對使用者模糊的輸入進行調整。
在此階段，除了處理想法與制定策略外，部分 LLM 還會運用預測式機器學習模型來處理複雜問題。例如，預測式 ML 模型可預測需求高峰，協助針對未來使用案例做好更充分的準備。
在這個階段，LLM 會運用長期記憶系統，確保情境式與上下文相關任務在整個流程中保持一致性。
行動
在行動階段，代理式 AI 會採取行動，有效達成推理階段所設定的目標。代理式 AI 可存取管理員在各外部軟體系統上安裝的外掛程式，因此能直接與這些第三方應用程式互動並執行任務。
行動階段會協調代理模型接下來要依序處理的多項子任務，具體行動包括程式碼編譯、與軟體及文件互動、執行模擬、移轉應用程式，以及在第三方應用程式中執行各項功能等。對於部分代理式 AI 模型而言，其行動會受到人機迴路系統的管控，在此系統中，開發者必須驗證模型正在執行的操作，並核准其行動。
模型所執行的所有行動都會受到嚴密監控與記錄，協助企業符合治理規範，並保障此技術的使用安全。
學習
代理式 AI 的學習階段，是讓這類模型能持續提升其功能性與效用的關鍵所在。代理程式會運用強化學習技術，例如近端策略最佳化 (PPO) 與 Q-Learning，根據特定任務在整體系統中的執行成效，精簡自身的行動。
AI 代理程式可從自主代理程式、LLM 或人工回饋中學習，這些學習來源皆能微調系統，提升其運作效能。模型可透過多項指標追蹤自身效能，包括延遲、信心度與成功率等。多代理式 AI 通常會將學習過程分散到不同代理程式中，並在共用記憶層中交換資訊，以提升整個系統的效能。
隨著時間的推移，這類強化學習可利用成功的迭代經驗，持續提升自身的整體運作效能與效率。
代理式 AI 系統面臨哪些挑戰？
開發高效能的代理式 AI 模型，並使其順利運作，會面臨多項挑戰。
系統設計
建置一套能與其他模型有效協調、具備執行特定任務的專屬知識，且可進行高階推理與策略規劃的多代理架構，是一項極具挑戰性的工作。代理式 AI 是一個尖端技術領域，依賴於眾多具挑戰性的 AI 策略。由於設計高效系統的難度頗高，許多企業在獲取可用的代理式 AI 解決方案時會面臨困難。
測試與偵錯
代理式 AI 具備獨立運作的能力，且只需極少的人工介入。這項優勢也使測試、偵錯，以及判斷 AI 模型問題所在變得困難。開發者必須在 AI 模型中內建可追溯性與可重複性機制，尤其需專注於追蹤錯誤並確定其根本原因。
信任與透明度
即便在先進的 AI 系統中，「AI 幻覺」仍可能影響工作流程，為使用該模型的企業帶來嚴重錯誤與問題。若模型生成錯誤資訊，並將其傳遞給其他 AI 代理程式，錯誤資料會快速擴散，加劇最終輸出結果的錯誤。尤其在金融、醫療等對真實世界影響重大的產業中，企業必須對產品建立高度信任，然後才會大規模採用。
AWS 如何支援您的代理式 AI 需求？
AWS 致力成為建置並部署全球最可信賴、最實用代理程式的最佳平台。 AWS 能配合客戶在代理式 AI 旅程中的現有階段提供支援，並提供客戶在業務中採用代理式 AI 所需的一切資源。無論您是希望快速部署預建代理程式以提升生產力、透過開源工具進行實驗，還是建置一系列複雜的自訂代理程式，AWS 都能提供模型、工具、基礎架構與專業知識，助您順利達成目標。AWS 亦提供穩固的 AI 基礎架構、自訂晶片與資料基礎，確保您在代理式 AI 領域的投入能長期發揮效用。
Amazon Bedrock 是一項全受管服務，提供多種業界領先的基礎模型 (FM)，以及建置生成式 AI 驅動應用程式和代理程式所需的一系列功能。透過 Bedrock，使用者可存取領先的基礎模型，並使用相關工具，透過自有資料私下自訂模型與應用程式、套用安全防護機制、最佳化成本與延遲，並快速迭代。
Bedrock 還包含 AgentCore，這是可用於大規模安全部署與營運代理程式的服務組合，支援任何框架與模型。有了 Amazon Bedrock AgentCore，開發人員可以加速將 AI 代理程式投入生產，並提供對實際部署至關重要的規模、可靠性和安全性。AgentCore 提供各種工具與功能，讓代理程式的效率與能力進一步提升，提供專為安全擴展代理程式而建置的基礎結構，以及運作可信賴代理程式的控制功能。
Strands 代理程式是 Amazon 提供的開放原始碼 Python SDK，只用幾行程式碼即可建置代理程式。它不僅使用簡單，還能善用最先進模型的能力，如規劃、思路串接、呼叫工具與反思，省去複雜代理程式協同運作的需求。
AWS 亦提供可直接部署的代理程式，並支援進一步自訂，以符合業務與特定使用案例的需求。AWS Transform 是用於轉換 .NET、大型主機和 VMware 工作負載的代理式 AI 服務。該服務以 19 年的移轉經驗為基礎建置，部署專門的 AI 代理程式來自動執行評估、程式碼分析、重構、分解、相依性映射、驗證和轉換規劃等複雜任務。 Kiro 是一款透過規格驅動的開發模式、助力開發人員從概念走向生產環境的 AI IDE。 Kiro 的代理程式能協助使用者解決複雜問題，並自動執行各項任務，例如生成文件與單元測試。 Amazon Q Business 能協助使用者在工作中查找資訊、獲取見解並採取行動；而 Amazon Q Developer 則可加速軟體開發流程，並善用企業內部資料。此外，AWS Marketplace 提供集中式目錄，彙集了 AWS 合作夥伴提供的精選預建代理程式、工具與解決方案，協助使用者快速追蹤代理式 AI 相關工作
立即建立免費帳戶，開始使用 AWS 上的代理式 AI。