KeyFrame內部研究專用

4 Types of AI Agent Loops: From Human-Led to Autonomous

IBM Technology9 min英文
觀看原始影片

三句話摘要

四種AI代理循環類型及其自動化程度差異分析。 選擇合適的循環自動程度是在人類控制力與執行效率間的平衡——任務越模糊越需人判斷就用互動循環,越穩定可預測就越可自動化至事件驅動循環。 互動循環由人類始終掌控,適合任務定義模糊或無明確完成標準的工作,但難以大規模重複執行。

重點整理

  1. 互動循環由人類始終掌控,適合任務定義模糊或無明確完成標準的工作,但難以大規模重複執行。

  2. 委派循環將「判斷完成」交給AI,但人類仍設定明確的停止條件(如「建置轉綠時停止」)並審查最終結果。

  3. 排程循環由時鐘定時啟動而非人類手動觸發,適合隨時間過期的工作或需要週期性執行的任務。

  4. 事件驅動循環由事件自動觸發、由AI審查代理判斷結果,人類只在例外情況介入,自動程度最高。

實用技巧與重點

  • 互動循環 (Interactive Loop)
  • 人類設定目標 → 人類判斷完成 → 人類手動啟動下一輪
  • 缺點:人工判斷次數多,難以擴展
  • 委派循環 (Delegated Loop)
  • 人類設定帶停止條件的目標(如「升級過期函式庫,直到建置轉綠」)
  • AI執行檢查停止條件
  • 人類審查最終結果
  • 排程循環 (Scheduled Loop)
  • 人類一次性設定目標(如「查找並升級任何過期函式庫」)
  • 時鐘/排程定時啟動(如每晚執行)
  • AI檢查停止條件
  • 人類審查每次結果
  • 事件驅動循環 (Event-Driven Loop)
  • 事件觸發啟動(如pull request打開、版本更新發生)
  • AI檢查停止條件
  • AI審查代理進行最終審查(可用不同的AI模型)
  • 人類只在審查代理無法判定時才介入

結論

選擇合適的循環自動程度是在人類控制力與執行效率間的平衡——任務越模糊越需人判斷就用互動循環,越穩定可預測就越可自動化至事件驅動循環。

完整解析

AI代理的核心在於循環——代理接收目標,採取行動(如編輯檔案、執行命令),觀察行動結果,根據觀察調整策略,然後重複迴圈直至任務完成。但這個循環的自動化程度差異很大,主要取決於三個決策點:誰設定目標?誰判斷何時完成?誰決定何時啟動循環?

互動循環是最基礎的形式,人類全程參與關鍵決策。開始時,人類輸入提示詞明確目標;循環運行時,代理執行動作並觀察結果;結束時,人類審視成果判斷是否達標。若任務未完成,人類輸入新提示繼續循環。這種模式適合任務定義模糊、無明確完成標準或包含大量創意判斷的工作。缺點很明顯——當相同工作需要重複執行時,人類要進行大量重複判斷,極難擴展。

委派循環改進了這一點,將「誰來判斷完成」這個決策交給AI。人類不再每輪都判斷,而是在設定目標時明確說明停止條件。比如不是籠統地說「升級函式庫X」,而是精確指定「升級過期的函式庫,當build轉綠時停止」。代理執行調整後,AI會自動檢查停止條件是否滿足,若不滿足則繼續循環,若滿足則退出。人類的職責簡化為審查最終結果。

排程循環進一步自動化了啟動過程。人類一次性設定目標,然後不再手動觸發,而是由時鐘定時執行——比如每晚自動執行「查找並升級任何過期的函式庫」。這特別適合隨著時間推移會過期的工作(依賴項老化),或需要定期重複的任務。人類的角色變為定期檢查返回的結果,並在不再需要該任務時取消排程,或根據實際需求調整執行頻率。

事件驅動循環達到最高自動化級別。循環不由時鐘啟動,而由外部事件觸發——比如pull request被打開、依賴發布新版本等。每個事件自動啟動一次循環,目標根據事件內容動態調整。關鍵變化是結果不再由人類審查,而由另一個審查代理處理——這是獨立的AI代理,可能採用不同的模型和邏輯。若審查代理批准工作完成則直接發佈;若不確定則升級給人類審查。因此人類只在例外情況才參與,大幅提高了效率。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。