前些時候，OpenAI 悄悄地發布一篇名為 A Practical Guide to Building Agents 的 AI Agent 引導指南。
(A Practical Guide to Building Agents)
短短 36 頁的篇幅裡，可以將內容區分為四個重點：
* 什麼是 Agent
* 什麼時候適合使用 Agent
* 設計 Agent 時的基礎概念
* Agent 應諄遵守的行為守則
我們也透過幾篇文章，一邊詳閱這份引導指南，一邊嘗試打造一個簡單的 AI Agent。
什麼是 Agent？
OpenAI 在文章中簡單定義了什麼是 AI Agent — — Agents are systems that independently accomplish tasks on your behalf. （Agent 是一個能夠代替使用者自主完成任務的獨立系統。）
與我們單純使用 ChatGPT 不同的地方在於，ChatGPT 更像是一個超級聰明的聊天機器人，而 AI Agent 更像是一個超級助理，可以自行針對任務所需找到對應的工具，並且使用這些工具完成任務。
Agent 是怎麼運作的？
剛剛有說到，AI Agent 像是一個超級助理，自行透過 LLM（大型語言模型）這顆大腦來判斷每個任務適合使用的工具，但和傳統聊天機器人（chatbot）不同的地方在於，聊天機器人所有的行為都是由工程師在背後設計一系列的 if / else 流程控制，在規範好的框架內與使用者進行互動，超出了工程師所設計的框架後，聊天機器人就無法繼續進行互動。
而 AI Agent 則會有一個工作流程（workflow），這個 workflow 在文章中被定義為「為了達成使用者的目標，所需要被執行的一系列步驟」，經由這個 workflow 完成使用者交付的任務，像是訂餐、修改代碼等。
A workflow is sequence of steps that must be executed to meet the user’s goal.
所以像 ChatGPT 或是聊天機器人，由於它們單純只能回答問題，卻沒有自主控制工作流程的能力，我們也不會將之稱作 Agent。
當 AI Agent 在執行任務的過程中遇到困難時，它也嘗試透過其他方式來解決問題，像是收集更多的資訊、呼叫叫外部的工具，如果真的遇到無法自主排除的失敗時，Agent 會將控制權交還給使用者，讓使用者判斷該如何進行下一步。
在這份文件中，提及了一點很重要的規範 — — Agent 可以以自主性地針對任務選擇適合的工具，並且在明確規範的守則內（clearly defined guardrails）執行這些工具。
什麼時候適合使用 Agent？
對於一般的使用者來說，ChatGPT 的能力已經遠遠超過過往聊天機器人所能提供，然而說穿了，ChatGPT 也只能一來一回地回答問題，如果今天我們需要它完成像是「幫我訂一份披薩」、「幫我修改一下代碼」等任務，ChatGPT 就會顯得無能為力，畢竟它只能回答問題，卻無法自主完成任務。
在引導指南中，以調查詐欺案件為例，過往工程師會針對常見的詐欺手法，歸納出一張檢查清單，程式只會順著這個檢查清單逐個篩選出可疑的交易行為，但大型語言模型代理（LLM Agent）可以像是一位經驗豐富的調查員，能夠根據交談的前後文，靈活地觀察其模式變化，甚至可以針對「看似沒有違反規則但仍然可疑」的狀況進行判斷，也就是這些「模糊、複雜」的情境，凸顯了 Agent 的優勢所在。
三種適合使用 AI Agent 的情境
在引導指南中，提到了三種適合使用 AI Agent 的情境：
- 決策複雜的情境（Complex decision-making）：需要根據前後文進行「細微地判斷」與「例外處理」（例如：客服退費的審核流程）
- 難以維護的規則（Difficult-to-maintain rules）：系統中過於複雜的規則，導致每次更新容易發生錯誤。（例如：廠商安全審查流程）
- 需要解讀非結構化的資料（Heavy reliance on unstructured data）：需要處理自然語言、理解文件、使用者對話等情境。（例如：處理保險理賠）
在我們開始真正開發 AI Agent 之前，可以先預想後續的使用情境是否符合上述三種情境之一，如果不是的話，根據引導指南的建議，可以考慮使用傳統的「規則自動化」系統（類似聊天機器人），而不用特意打造一個 AI Agent。
(像叫 AI 畫畫這件事，看起來就不需要 AI Agent。(但我需要一個封面))
本文同步發佈於作者的 Medium 網站