AI Agent 是甚麼？它和普通聊天機械人有甚麼分別？

01 / 人工智能

分界不是語氣，而是行動循環

OpenAI 的實務指南把 while loop 視為核心；沒有回饋循環的長 prompt，仍可能只是一個包裝精美的聊天框。

你可能見過那種 demo：Agent 自己開十個頁面，最後叮一聲交功課。畫面很爽，但我第一個想問的是——中間有沒有一步其實已經走歪？

所以一個只會讀取航班資料的 Agent，風險同一個可以改 CRM、發退款電郵的 Agent，根本不是同一件事。介面看起來可能只差一個按鈕，後果卻差一條街。

02 / 人工智能

工具令文字開始改變世界

查日曆只是讀取；發電郵、退款、改資料庫則會產生外部後果。模型一旦可用工具，錯誤不再停留在一句錯話，而可被放大成一串正確執行的錯誤動作。

Agent 能力不是「更聰明」一條軸，而是推理能力乘上權限範圍。

在香港做生意，最怕不是慢一分鐘，而是錯誤動作已經寄出去、改落系統，先發現原來收件人不是那個人。

香港公司常見的誤會是先問『可唔可以全自動？』。我會反過來問：哪一步最適合交給機械做，哪一步一定要留返人手？這個問題比較唔 glamorous，但通常更省錢。

03 / 人工智能

最少人談的是停止能力

展示片段通常強調 Agent 自己完成十步，卻很少展示它何時應該停。可靠系統要有最大步數、成本上限、重複偵測、低信心退出、權限邊界和人手批准。

沒有 exit condition，所謂自主可能只是可以更長時間地偏離目標。

我會先畀它讀，不急住畀它寫；先畀它草擬，不急住畀它發。少一點炫技，多一點可回頭。

示範片段總愛展示 Agent 自己走完十步，卻少有畫面告訴你它在第 3 步懷疑資料過期時會怎樣。可靠設計要有最大步數、成本上限、重複偵測、低信心退出和清楚的權限邊界。

04 / 人工智能

記憶會把一次錯誤帶到下一次

Agent 為了跨步工作，會保存狀態、工具結果和中間判斷。若它把暫時推測寫成已確認事實，之後每一步都會建立在錯誤地基上。

好的 trace 不只是工程師除錯紀錄，也是一張責任地圖：哪個決定由模型提出、哪個工具執行、哪個人批准。

05 / 人工智能

不是每個流程都需要自主

步驟固定、規則清楚、例外很少的工作，用普通自動化更便宜、更快、更易測試。Agent 適合步驟難以預先列全、需要非結構化判斷、又能以工具結果校正的任務。

若只是想令產品看起來有 AI，自主性通常會變成昂貴裝飾。

06 / 人工智能

一個簡單判斷表

問四件事：它有沒有明確目標？能否選擇下一步？

能否透過工具讀寫外部系統？會否根據結果改變計劃？

四項愈多，愈接近 Agent。然後再問第五項：錯一步時誰可以看見並叫停？

這一項才決定它是否值得上線。

自主程度其實可以逐格調整

Agent 並非只有「全自動」和「不是 Agent」兩種。它可以自行讀取但寫入前批准；可以自行擬定計劃但每個外部動作確認；可以只在低風險範圍自動執行。

權限、步數、金額、資料敏感度和可逆性都可成為不同閘門。好的產品不是追求最多自主，而是把自主放在錯誤可回復、結果可觀察的地方。

人類批准也可能只是裝飾

如果批准畫面只顯示「允許工具執行」，沒有展示收件人、金額、差異或依據，人會在重複提示中習慣按確認。真正有效的 human-in-the-loop 要把最可能出錯的資訊放到決策點，並容許修改而不是只有接受或取消。

監督不是多一個按鈕，而是讓人有足夠上下文作出不同決定。

07 / 人工智能

Agent 的難度其實像乘數，不是加法：模型判斷能力乘上工具權限，再乘上它可以連續走幾多步。

所以一個只會讀取航班資料的 Agent，風險同一個可以改 CRM、發退款電郵的 Agent，根本不是同一件事。介面看起來可能只差一個按鈕，後果卻差一條街。

香港公司常見的誤會是先問『可唔可以全自動？』。我會反過來問：哪一步最適合交給機械做，哪一步一定要留返人手？這個問題比較唔 glamorous，但通常更省錢。

08 / 人工智能

最容易忽略的是停止能力

示範片段總愛展示 Agent 自己走完十步，卻少有畫面告訴你它在第 3 步懷疑資料過期時會怎樣。可靠設計要有最大步數、成本上限、重複偵測、低信心退出和清楚的權限邊界。

沒有 exit condition，自主只代表它可以用更長時間偏離原本目標。

09 / 人工智能

讀者最常問