火紅的 AI 代理（AI Agent）是生成式 AI 的演進，在處理文字、圖像以外成為可執行任務的 AI 程式，特別強調「Autonomous」，可理解成自動化和自主。AI 代理背後的運作不是大秘密，已公開的運作原理大概可分為三個工作階段：1）設定和規劃目標；2）利用可用的工具；3）學習與反思。它如何透過這三階段自動完成任務，接下來有詳細說明。
| 《火紅的 AI 代理》 甚麼是 AI 代理？ AI 代理靠三大本領爆紅 AI 代理三個工作階段自動完成任務 |
第一階段：設定和規劃目標
當用戶輸入或發出指令時，AI 代理就會啟動相應的程序。首先，AI 代理會理解用戶的需求並設定目標，接著規劃達成這一目標的步驟。AI 代理會將任務拆分為多個小任務。開發人員負責訓練和設計 AI 代理系統，而部署團隊則負責設置 AI 代理的使用權限和安全性。用戶則需要提供 AI 代理所需的工具和資源的身分認證。
若以 AI 代理設計去沖繩潛水旅遊為例，AI 系統會先分拆成幾個任務：
- 收集資訊：沖繩的天氣資料，如氣溫、潮汐、風向、能見度等。
- 判斷條件：AI 代理決定哪些天氣條件適合潛水。
- 數據分析：AI 代理將收集到的天氣資料，綜合條件分析並找出哪些日子最適合潛水。
第二階段：利用可用的工具
單是公開資訊並不足夠，還要由外來的知識庫和工具協助完成任務。AI 代理利用可用的工具包括：數據庫、API 和其他代理。這階段會經過多次反覆查詢、整合最新擷取的資訊回答用戶問題。
- 數據庫：AI 代理從數據庫查詢旅遊數據、服務和產品資訊。
- API：經 API 取得外部數據，如天氣預報。
- 其他代理：向其他 AI 代理提出問題，收集更多資訊，如航空公司的 AI 代理查問機位供應情況、各酒店的 AI 代理回覆酒店房間價錢等。
第三階段：學習與反思
AI 模型最重要是不斷學習與反思，AI 代理亦然，利用反思機制整合來自其他 AI 代理的資訊，進一步提升目標和行動的準確度。AI 代理具備迭代優化（iterative refinement）與長期學習能力，可以將解決方案儲存在知識庫內。
AI 代理的學習與反思方式有多種，大概可歸納：
- 收集用戶回饋：如詢問用戶是否滿意推薦的行程，並收集意見和建議。
- 分析回饋資訊：分析用戶的回饋，了解需要改進的部分，如行程安排是否緊湊，用戶傾向增加其他的體驗行程。
- 更新知識庫：將調整後的行程規劃和用戶的回饋資訊，都儲存在知識庫，作為個人化建議的參考。