AI Agent 設計模式實戰

AI Agent 是指在環境中自主感知、決策並採取行動以達成目標的系統。與單次問答不同，Agent 能夠多步驟規劃、使用工具並從反饋中學習。

ReAct 模式

ReAct（Reasoning + Acting）是目前最廣泛使用的 Agent 模式，核心概念是讓模型交錯產生「思考」和「行動」：

思考：我需要查詢今天台北的天氣。
行動：call_weather_api(city="台北")
觀察：多雲時晴，氣溫 22-28°C
思考：根據天氣資訊，我建議...
最終答案：今天台北天氣暖和，建議穿薄長袖。

優點：可解釋性強、容易除錯。缺點：不適合長時間任務（容易迷路）。

Plan-and-Execute 模式

先制定完整計劃再逐步執行，適合複雜的多步驟任務：

1. Planner：將大任務拆解為子任務
2. Executor：依序執行每個子任務
3. Replanner：根據執行結果動態調整計劃

Multi-Agent 協作

多個專業化 Agent 各自負責不同角色：

• Manager Agent：拆解任務、分配子 Agent
• Researcher Agent：負責搜尋與資料收集
• Critic Agent：評估產出、提供反饋
• Executor Agent：執行具體操作（寫程式、發信等）

選型建議

場景	推薦模式	原因
簡單問答 + 工具呼叫	ReAct	直覺、易實現
複雜多步驟任務	Plan-and-Execute	可控性高
需要多元視角的任務	Multi-Agent	可擴展、模組化