15分鐘學會AI Agent｜完整講解
三句話摘要
用三級台階概念拆解吳恩達 AI Agent 完整課程，說明何為 Agent、如何搭建，以及最常被忽略的評估環節。 AI Agent 的核心不在技術複雜度，而在於讓 AI 從「執行者」升格為「決策者」，並透過持續評估來驗證與改進——搭完不測試，等於只做了一半。 LLM → 工作流 → Agent 是三個層次，不是同一件事。 大語言模型只能被動回答問題；工作流加入固定步驟但決策仍由人控制；Agent 則讓 AI 自己拆解目標、選擇工具、反覆迭代，做決定的主體完全轉移給 AI。
重點整理
重點- 1
LLM → 工作流 → Agent 是三個層次，不是同一件事。 大語言模型只能被動回答問題；工作流加入固定步驟但決策仍由人控制；Agent 則讓 AI 自己拆解目標、選擇工具、反覆迭代，做決定的主體完全轉移給 AI。
- 2
搭建 Agent 的核心是三塊積木的組合。 模型負責推理，工具負責連接外部系統（如查訂單、發訊息），評估則用來衡量輸出品質好壞，少了任何一塊，Agent 都是不完整的。
- 3
四種設計模式對應不同場景的複雜度。 反思與工具使用模式穩定可預測，適合日常任務；規劃與多智能體模式靈活自主，適合拆解複雜、多環節的大型任務。
- 4
評估是搭建 Agent 的另外一半，不是可選項。 不做評估就不知道 Agent 在哪種情境下會出錯，也無從針對性改進提示詞或流程；吳恩達明確指出，這是絕大多數人完成搭建後就直接跳過的致命盲點。
實用技巧與重點
乾貨- 課程來源：吳恩達 Deep Learning AI，共 5 模組、8 小時，完全免費
- 三級台階：LLM → AI Workflow → AI Agent
- 三塊積木：Model（模型）、Tool（工具）、Evaluation（評估）
- 四種設計模式：
- Reflection（反思模式）：AI 自我審查、反覆修改輸出
- Tool Use（工具使用模式）：接入外部工具擴充執行能力
- Planning（規劃模式）：AI 自行制定執行路徑，靈活但難以預判
- Multi-agent（多智能體模式）：拆成多個子 Agent 分工協作
- RAG（檢索增強生成）本質上是一種 AI 工作流，非 Agent
- MCP（Model Context Protocol，模型上下文協議）：統一標準，讓 Agent 更方便連接各種外部工具，不需每個工具單獨寫程式碼
- ReAct = Reasoning + Action，所有 Agent 必備的兩種能力
- 評估建議：用 10–20 個不同類型的測試案例，重點找 Agent 表現比人差的地方
- 無程式碼工具推薦：make.com、n8n、Claude Skills
- 行動清單共 5 步：釐清現在的階段 → 選重複任務搭工作流 → 讓 AI 開始做決定升級為 Agent → 做評估測試 → 不斷迭代
結論
結論“AI Agent 的核心不在技術複雜度，而在於讓 AI 從「執行者」升格為「決策者」，並透過持續評估來驗證與改進——搭完不測試，等於只做了一半。”
完整解析
詳細這支影片的出發點很實際：吳恩達在 Deep Learning AI 發布了一套完整的 AI Agent 課程，共五個模組、總時長八小時，但大多數人沒有時間從頭看完。作者花了兩整天研讀課程，再把核心概念壓縮成一支可以讓非技術背景的人也能看懂的影片。影片聚焦三件事：AI Agent 到底是什麼、怎麼搭建、以及那個幾乎所有人都跳過的評估環節。
作者用「三級台階」的方式建立認知框架。第一級是大家熟悉的大語言模型（LLM），ChatGPT、Claude、Gemini 都屬於這一層，特點是被動、只回答你問的問題，無法主動查看外部資訊。第二級是 AI 工作流，解決了 LLM 無法查詢外部資料的問題，例如讓 AI 在回答前先去查日曆或待辦清單，但流程是你事先設定好的，做決定的人仍是你。第三級才是真正的 AI Agent，關鍵的躍升在於：做決定的主體從人轉移給 AI。Agent 能自己拆解目標、自己決定用什麼工具、自己評估結果夠不夠好、再自己決定是否繼續修改，整個過程不需要人介入。作者順帶澄清了兩個常見術語：RAG（檢索增強生成）本質上就是工作流；ReAct（Reasoning + Action）則是所有 Agent 必備的核心能力——先推理再行動。
搭建 Agent 的骨架由三塊積木構成。第一塊是模型，負責思考與推理。第二塊是工具，負責連接外部系統；以自動回覆客服訊息的 Agent 為例，它需要一個連接訂單後台的查詢工具，以及一個能真正發送訊息的工具，光靠模型本身是無法完成這些動作的。MCP（模型上下文協議）在此扮演統一標準的角色，讓 Agent 更方便串接各種工具而不需要逐一寫程式。第三塊是評估，是最容易被忽略的積木，但吳恩達直接說「評估是搭建 AI Agent 的另外一半」。若你做了一個自動整理會議記錄的 Agent，在沒有評估的情況下你根本不會發現它偶爾會把「已完成事項」和「待辦事項」搞混，錯誤的記錄就這樣默默發出去了。
四種設計模式則決定你怎麼把積木組合起來。反思模式最簡單，讓 AI 做完後再自我審查一遍，效果往往顯著提升；工具使用模式是接入外部能力的標準做法；規劃模式讓 Agent 自行制定執行路徑，適合沒有固定流程的任務，但可預測性較低；多智能體模式是最高階的一種，把大任務拆給多個專業子 Agent 分工，例如選題 Agent、寫稿 Agent、SEO Agent 各司其職，最後整合結果。前兩種模式穩定可控，後兩種則靈活但複雜，選擇時對應自己的需求即可。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
