甚麼是代理式 AI？
代理式系統以語言模型作為推理核心，再配備工具、記憶及執行循環，讓它能把目標拆解為步驟、在真實系統中採取行動、觀察結果並作出調整。其決定性特質不在於生成，而在於具回饋的自主能力——由系統決定下一步做甚麼。
生成式 AI 產生內容。代理式 AI 則運用這種能力去達成目標——規劃、調用 API，並協調其他代理，直至任務完成。
這是架構上的轉變。聊天機械人一次過把輸入映射為輸出；代理則運行一個循環：規劃 → 行動 → 觀察 → 修正，不斷重複直至達到停止條件。這個循環，加上可存取的工具及記憶，正是令其行為具「代理性」的原因。
關鍵在於，自主能力是一個光譜。大部分生產系統都是半自主的：代理處理例行步驟，並在既定的檢查點把工作升級給人類處理。在高風險環境中，完全無人監督的自主運作十分罕見——而這是刻意的設計。
代理式 AI 是一種範式——能朝目標規劃、行動及協調的系統。AI Harness 則是令這類系統在生產環境中安全可靠的工程層。本頁介紹代理式系統是甚麼，以及它們在哪裡創造價值；至於底層運作的工程——工具、記憶、防護機制、評估——請參閱我們的 AI Harness 頁面。
主要區別
生成式 AI：創作者
根據提示創作內容（文本、程式碼、圖像），然後等待下一個提示。
AI 代理：獨立執行者
單一模型配備工具及循環，讓它能朝目標行動，而不只是回答問題。
代理式 AI：協作的樂團
更廣泛的範式：通常由多個互相協調的代理組成——SQL 代理、分析代理、檔案生成代理——各有專長，在負責指揮的規劃代理帶領下協作。系統不只是生成輸出；它會決策、行動及調整，直至達成目標。
兩個層面，一個系統
代理式 AI 是一種範式；AI Harness 則是其下的工程。左邊的每項能力，都由右邊的工程令其可靠——同一個組件在兩個頁面共用，各自突顯自己的一方。
代理式 AI ——系統做甚麼
策略及能力
AI HARNESS ——甚麼令它可靠
基礎設施及管治
規劃
把目標拆解為有序的步驟
情境及可重用流程
每一步都有合適的資訊；重用已驗證的做法
在系統上行動
真正地查詢、更新及執行
工具調用及代理循環
經驗證的工具調用；重試、停止條件及升級處理
協調多個代理
多個專責代理朝同一目標工作
受管治的共享記憶
每項事實只有一個版本，可追溯並在代理之間共享
安全地達成目標
有問責的自主能力
防護機制、權限及遙測
審批關卡、政策過濾及完整審計追蹤
基本組成部分
推理核心（模型）
一個能理解目標並決定下一步行動的強大 LLM。先思考後回答的推理優化模型，能顯著提升多步驟任務的可靠性。
規劃及拆解
把目標拆解為一組有序的子任務。常見模式包括 ReAct（推理與行動交替進行）、先規劃後執行，以及反思。
工具及函數調用
通往真實世界的橋樑：API、資料庫、程式碼執行、搜尋及內部系統。代理會選擇調用哪個工具，並把結果納入考量。
記憶
短期記憶（當前任務的工作情境）及長期記憶（持久保存的事實、過往互動、檢索得來的知識——通常儲存在向量資料庫中）。
編排
在步驟及代理之間分派工作的控制邏輯——可以是順序式、階層式（由主管代理分派給執行代理），或以圖為基礎、包含分支、循環及檢查點。
防護機制及政策
限制代理可以做甚麼：允許使用的工具、開支上限、輸出驗證，以及內容／安全過濾。
評估及可觀察性
記錄每一步、每次工具調用及每項決策的追蹤，加上任務層面的成功指標。沒有這些，代理式系統便是無法審計的黑盒。
人工參與
在行動執行前，由人批准、修改或拒絕的既定檢查點——在任何不可逆或高風險的行動中都不可或缺。
實際應用場景
代理式 AI 的價值，在於處理由一連串判斷組成、而非單一答案的工作——涉及多個步驟、多個系統，而且數量足夠龐大，令自動化例行路徑能讓專家騰出時間處理例外情況。以下應用今天已投入生產，而不只是停留在概念驗證。
代理讀取查詢、取得帳戶資料、草擬解決方案，並按審批規則執行處理（退款、更新、升級）。
從 CRM 及歷史紀錄收集客戶資料的助理，實時建議最佳下一步行動，並草擬度身訂造的聯絡訊息。
編程代理讀取程式庫、規劃修改、編寫及執行測試，並提交 pull request，反覆修改直至所有檢查通過。
代理拆解問題、搜尋多個來源、綜合研究結果，並撰寫附有引用的簡報。
橫跨多個系統及步驟的發票處理、數據對賬及報告生成。
收集症狀、加以整理，並把病人轉介至合適專科的分流助理（設有臨床人員監督）。
代理式 AI在香港
隨著 AI 急速發展，香港企業正超越內容生成，轉而尋求真正能完成工作的系統。ThinkCol 一直走在前線，為本港各核心行業的機構實施代理式 AI——而在香港行之有效的模式自有其獨特之處。
香港成功的實施案例有以下共通點：從清晰的業務目標出發、與現有工具整合，並在保留人工監督的同時，隨著表現獲得驗證而逐步擴大自主程度。現成的代理產品只能提供其中部分；持久的價值來自按機構自身流程打造的系統——這正是 ThinkCol 的工作。
物流及貿易
香港依靠貨物流通而運作，國際航運的「文件噩夢」正是代理的用武之地：監察各司法管轄區的規例變化、即時產生更新文件，並同時以多種語言與司機、倉庫及客戶溝通。負責庫存、需求預測及物流規劃的協調代理，能令供應鏈的反應明顯更靈敏。
專業及金融服務
代理為前線團隊處理會前研究、通話後跟進及潛在客戶分派；在營運方面，它們自動化多步驟流程——理賠、開戶、採購——這些流程中每宗個案都略有不同，以規則為本的自動化往往會失效。
人手密集的營運
人力資源團隊運用代理物色及篩選候選人並安排面試；項目辦公室把代理與 Jira 及 Slack 等工具整合，以分派任務、追蹤進度並保持報告最新；電子商務客服代理則根據實時庫存及訂單系統端到端解決一線問題，只把真正棘手的個案升級處理。
將游標移至節點以了解詳情
人工檢查點：在不可逆的行動之前設有清晰的審批關卡——在高風險流程中不可或缺。
由單一代理到多個代理
複雜目標由多代理拓撲處理：主管／執行者模式中，協調代理拆解任務並分派給專責子代理；順序流程中，代理沿著一條鏈傳遞工作；以及以圖為基礎的編排——最主流的生產模式——工作流程是一個有向圖，包含分支、循環、重試及明確的人工審批節點。
MCP（Model Context Protocol）的角色
一個常見問題是：如何把代理連接到工具及數據，而無需為每項整合編寫度身的黏合程式碼。MCP 統一了模型發現及調用外部工具與情境來源的方式——實際上是一個共用的介面層，讓同一個代理可接入多個系統，而同一個工具亦可服務多個代理。
代理式 AI 如何創造業務價值
加速軟件開發及工程
代理式 AI 系統在軟件開發流程中找到了理想位置——拆解複雜的工程任務、編寫及測試程式碼、除錯，並在無需持續人工指示的情況下反覆改進方案。開發團隊運用代理加快功能交付、減少重複的實作工作，並令不同貢獻者維護的程式碼更一致。結果是工程師更具生產力，能把更多時間花在設計決策上，而非樣板程式碼。
知識工作及研究
在知識密集的環境中，代理同時存取多個數據來源、綜合複雜資訊，並產生結構化的分析或報告。法律團隊運用代理審閱合約，在數百份文件中標示風險條款；顧問公司用它們加快市場研究；金融分析師則用它們在以往查詢一個來源的時間內，匯總及解讀數十個來源的資訊。
業務流程自動化
代理式 AI 特別適合需要一連串決策的工作流程——保險理賠處理、員工入職、採購審批及客戶投訴升級管理。傳統自動化要求預先訂明每條規則，而代理能以規則系統無法比擬的靈活度處理變化及特殊情況。人工監督檢查點則確保高風險決策仍有問責。
應用案例詳解
真實部署，而非概念驗證——每位客戶面對的情況，以及隨之而來的成果。
為高級珠寶零售商打造 AI 銷售助理
情況
每當顧客進店，銷售人員都要以人手把資料輸入 CRM、翻查購買紀錄，並憑記憶推薦產品——導致服務水平參差、錯失商機，亦沒有實時指引教他們如何向眼前的顧客銷售。
每位員工都能像最出色的員工一樣銷售，而每次互動都會豐富 CRM，而不是繞過它。
代理團隊
高級零售ThinkCol 如何協助您實施代理式 AI？
代理式 AI 為自動化、效率及業務轉型帶來非凡機遇——但它亦帶來自身的挑戰：模型可靠性、數據質素、系統複雜度、管治，以及專業人才。ThinkCol 的六步流程，正是我們帶領香港機構由「我們覺得代理或許有用」走到受管治的生產系統的方法：
步驟 1 · 諮詢 — 為代理找出合適的問題
並非每個工作流程都需要多代理系統，過度設計是典型的失敗模式。我們與實際執行流程的人一起梳理您的流程，找出哪裡有大量重複出現的多步驟決策、足以支持代理自主運作——以及哪裡用較簡單的模型或規則便已足夠。我們會一起訂定何謂成功及如何衡量。
六個步驟背後的理念來自我們見證過的成功經驗：從清晰的業務目標出發、與現有工具整合、保留人工監督，並只在表現獲得驗證後才擴大代理的自主程度。
香港常見問題
多年來香港團隊向我們提出的問題——保留他們的原話。
生成式 AI 創作內容，然後等待下一個提示。AI 代理是單一執行者——一個配備工具、朝目標進發的模型。代理式 AI 則是樂團：多個專責代理在規劃者協調下朝共同目標工作。實際上的分別在於自主能力——生成式 AI 負責回答；代理式 AI 負責行動。
重點摘要
隨著代理式 AI 日漸成熟，受惠最多的機構都會以清晰的目標，以及對管治及可靠性的實際期望來看待它。
建立一個代理正變得愈來愈容易；在生產環境中建立一個值得信賴、易於維護的代理，才是真正的功夫所在。
ThinkCol 一直致力協助香港企業負責任地實施代理式 AI。
這意味著找出合適的問題，並設計值得信賴的系統。
這亦意味著建立人工監督架構，令自主 AI 能在受監管及企業環境中部署。
準備好探索這對您的機構有何意義了嗎？
與 ThinkCol 聯絡