AI Agents Explained - What Is an AI Agent and how to build one? (Real Examples, Not Hype)

講者開篇澄清最大的誤解：聊天機器人和 AI 代理根本不是同一回事。普通 LLM 只能收消息、預測文本、回覆訊息，然後停止——它無法查看郵件、搜索網路、預訂機票或更新資料庫。而 AI 代理多了兩個關鍵能力：一是在現實世界採取行動（工具調用），二是自主持續運行（循環）。這個差異把 AI 代理從看似神奇的概念變成了可以理解和構建的工程系統。

AI 代理的核心由四個組件組成。首先是 LLM，充當大腦，但講者特別強調它只是個文本預測器——它沒有手、沒有記憶、無法直接執行任何操作。只是根據訓練結果預測接下來該做什麼。其次是工具調用，這給了代理的「手」。LLM 不會真的上網或預訂東西，而是輸出結構化文本訊息說「我想調用搜索工具」，後台系統看到這個訊息就執行工具、獲取結果、再反饋給 LLM。這種交接是 AI 代理大規模工作的全部方式。

第三個關鍵組件是上下文窗口，相當於代理的短期工作記憶。它容納了模型一次能看到的所有內容：指令、對話、工具呼叫、工具結果。但這裡有明顯限制——你不能把整個程式庫或千頁文檔都丟進去。雖然現在的窗口已經相當大（100 萬 token），但對於龐大的企業程式庫還是不夠。這就是「上下文工程」的重要性——需要巧妙地選擇放什麼信息進窗口。對於超出容量的長期記憶或龐大文檔，解決方案是向量資料庫加 RAG 技術：把資料轉換成數值表示（embedding），儲存起來，然後給代理一個搜索工具，讓它只提取相關信息。

消息架構決定了代理的連貫性。上下文由不同角色的訊息組成：系統提示用於設定規則（「你是研究助理，務必註明資料來源」），用戶訊息是外部輸入，助手訊息是模型的回復。這種 system-user-assistant 的結構是每次互動的骨架。但這裡有個關鍵點：模型本身沒有持久記憶。如果對話結束後不把歷史記錄傳回，模型就會忘記所有事。所以每次執行代理時，都要將整個對話歷史重新放入上下文窗口——相當於每次都要重新閱讀發生過的一切。隨著對話變長，窗口會被填滿，導致無法記住早期步驟，性能下降。

最後是循環機制——這才是代理能自主運行的原因。流程是：模型看到目標和上下文，思考並決定是否調用工具。如果決定調用，系統執行工具、獲取結果、反饋給模型。模型再看結果、再思考下一步該做什麼——可能再調用工具，可能查詢記憶庫，可能給出回覆。這個「思考→行動→觀察→再思考」的循環反覆進行，直到模型認為任務完成。這就是 AI 代理的全部運作原理。

講者接著展示了構建這種循環的四種完全不同方法。無代碼平台如 GenSpark，用戶只需填表單、拖組件，系統自動生成代理。低代碼工具如 n8n 提供了視覺化編輯器，可以配置系統提示、token 限制、連接多個工具（Perplexity、維基百科、對話記憶），但仍無需編寫完整代碼。代理框架如 Hermes Agent 則是安裝一個功能完整的系統，講者只需通過自然語言提示定義「技能」、連接 MCP 伺服器和自訂工具就能得到可用的代理。完整代碼方案則由講者自己用 Python 實現整個循環：定義系統提示、將工具編碼為 JSON 物件、手動檢查 LLM 是否要調用工具、執行工具、取得結果、反饋給模型，完全掌控每個細節。

三種演示都完成了相同任務（研究 2026 年表現最好的 AI YouTuber），都生成了包含摘要、主要發現、來源的結果。區別在效能、複雜度、控制力的權衡：GenSpark 最快最簡單但自訂空間最小，n8n 提供適度自訂且易於部署，Hermes 需要安裝設置但生產就緒，完整代碼給最多控制但工作最重。

講者最後給出選擇建議：只想快速啟用功能且不懂技術，用無代碼平台；需要複雜邏輯和多服務連接但不想管理代碼庫，用低代碼平台；想要生產級別的強大、可靠代理，用 Hermes 或 Open Claw；需要深度集成或完全控制每個細節，才用完整代碼。關鍵認識是所有四種方法用的都是同一個 LLM 和同一套底層循環邏輯，選擇其實就是在決定由誰來做構建工作、自己要掌握多少控制權。即使是講者這樣的技術人員，很多時候也會選擇更容易使用的方案因為速度更快、不需要完全控制。