第 7 章 · AI Agent 核心：拆穿「代理」的神秘感

「AI Agent」是這兩年最紅、也最被過度神化的詞。這一章要把它拆開給你看：一個 agent，本質上只是「一個會用工具、會自己決定下一步的迴圈」。懂了第 4 章的工具呼叫，你其實已經懂了 agent 的一大半。

💡 這一章你會懂：agent 的四個要素、它運轉的「迴圈」長什麼樣、以及它為什麼會失控（無限迴圈、燒錢）。第 11 章你會親手把這個迴圈寫出來。

什麼叫「Agent」？先跟 Workflow 對照

回顧第 5 章的關鍵區別：

• Workflow：路徑你事先定好（火車照鐵軌走）。
• Agent：路徑模型自己臨場決定（計程車司機選路）。

所以 agent 的靈魂是自主性——你只給它目標（「把這個 bug 修好」），它自己決定要先讀哪個檔、要不要跑測試、下一步做什麼。你沒有幫它畫流程圖。

Agent 的四個要素

一個東西要稱得上 agent，通常具備這四樣：

把這四樣組合起來運轉，就是下面這個迴圈。

核心：Agentic Loop（代理迴圈）

Agent 的運轉就是一個不斷重複的循環——感知 → 推理 → 行動 → 觀察，直到任務完成：

flowchart LR
    P[感知<br/>目前狀態/上一步結果] --> R[推理<br/>決定下一步]
    R --> A{需要用<br/>工具嗎?}
    A -->|要| T[行動<br/>呼叫工具]
    T --> O[觀察<br/>拿到結果]
    O --> P
    A -->|不用，完成了| D((回覆使用者))

看懂這張圖，你就看懂了 Claude Code、Cursor、所有 coding agent 的本質。它做的就是：

1. 推理：看目前情況，想「下一步該做什麼」；
2. 行動：如果需要，就呼叫工具（第 4 章的 tool_use）；
3. 觀察：拿到工具結果，塞回 context；
4. 回到第 1 步，直到它判斷「做完了」才停。

💡 這就是 agent 的全部祕密——一個 while 迴圈套著工具呼叫。 第 11 章你會用大約 20 行程式碼把它寫出來，親眼驗證這件事。

兩個你會一直聽到的名詞

• ReAct（Reason + Act）：讓模型先講出它的推理，再採取行動，交錯進行。這幾乎是最經典的 agent 模式——上面那張迴圈圖就是 ReAct 的精神。
• Reflection（反思）：讓 agent 做完後回頭檢查自己的成果、發現問題再修。加了反思的 agent，品質通常更好（呼應第 5 章的 Evaluator–Optimizer）。

記憶：agent 怎麼記得自己做到哪

因為模型是金魚腦（第 3 章），agent 的「記得進度」也是外掛的：

• 短期：這次任務的迴圈歷史（做過哪些動作、拿到哪些結果）都留在 context 裡。
• 長期：跨任務要記的東西（使用者偏好、專案慣例）寫進檔案或資料庫，下次再撈。

你在 Claude Code 看到它「記得這個專案用 Go、之前踩過某個雷」，背後常是這種檔案式記憶在運作。

Human-in-the-loop：別讓它全自動亂來

Agent 能自主，但不代表所有事都該讓它自己決定。**Human-in-the-loop（人在迴路）**指在關鍵、危險或不可逆的動作前，停下來問人：

• 刪除資料、寄出信件、付款、git push → 執行前先問使用者同意。
• 這個「審批關卡」設在哪，正是你（透過第 9 章的 harness）決定的。

⚠️ 讓 agent 全自動執行高風險動作，是新手最容易出事的地方。能自動的自動、該問的一定要問。

Agent 的三大失敗模式（一定要知道）

Agent 因為「自己決定」，就會有 workflow 不會有的翻車方式：

💡 這三個坑，正是為什麼「先用 workflow、不夠再上 agent」（第 5 章）是金科玉律——agent 的彈性，是用可控性換來的。

重點回顧

• Agent = 自主決定路徑的 AI；核心是「感知→推理→行動→觀察」的迴圈（就是個 while 套著工具呼叫）。
• 四要素：自主性、工具、規劃、記憶。
• 經典模式：ReAct（邊想邊做）、Reflection（做完自我檢查）。
• 關鍵動作前要 human-in-the-loop（人來審批）。
• 三大失敗：無限迴圈、目標漂移、成本失控——分別用步數上限、重申目標、預算上限來防。

你現在懂 agent 的「腦」了。但它怎麼接到「一大堆工具」？下一章講一個讓工具接得又快又標準的東西——MCP。