
今天參加的 AWS 高峰會,最印象深刻的是:
AI Agent 新紀元:從大型語言模型走向主動回應系統寫點筆記心得今年,明顯感受到 AI 進入 Agent 的時代
慢慢的工具已經 ready,重點不在是「能不能用」,而是怎麼有效率且安全的使用。AWS 提到 Agent 的核心組成:
LLM + Memory + Planning + Tool Use + ReflectionAI 不只是生成文字,而是用更像是人類的行為模式在解決問題
能「思考、規劃、行動」,甚至根據回饋自我修正。在架構上有三種主要模式:
1.Orchestrator:中央協調者分派任務給不同專業 Agent
2.Agent Graph:多 Agent 互相通訊、形成網狀協作
3.Workflow:任務具狀態性與順序控制,可暫停或恢復可以想像成每個團隊有不同的運作模式,Agent 也可以用不同的模式去build團隊
最後特別是像金融業這種重視授權與合規的領域,光要定義「每個 Agent 能做什麼、能存取哪些資料」就已經不容易。先把框架與工具準備好,建立一個穩定、安全的工作台
再逐步把應用層 build 上去
將會是打造高效 Agent solution 的關鍵

今天參加的 AWS 高峰會,最印象深刻的是:
AI Agent 新紀元:從大型語言模型走向主動回應系統寫點筆記心得今年,明顯感受到 AI 進入 Agent 的時代
慢慢的工具已經 ready,重點不在是「能不能用」,而是怎麼有效率且安全的使用。AWS 提到 Agent 的核心組成:
LLM + Memory + Planning + Tool Use + ReflectionAI 不只是生成文字,而是用更像是人類的行為模式在解決問題
能「思考、規劃、行動」,甚至根據回饋自我修正。在架構上有三種主要模式:
1.Orchestrator:中央協調者分派任務給不同專業 Agent
2.Agent Graph:多 Agent 互相通訊、形成網狀協作
3.Workflow:任務具狀態性與順序控制,可暫停或恢復可以想像成每個團隊有不同的運作模式,Agent 也可以用不同的模式去build團隊
最後特別是像金融業這種重視授權與合規的領域,光要定義「每個 Agent 能做什麼、能存取哪些資料」就已經不容易。先把框架與工具準備好,建立一個穩定、安全的工作台
再逐步把應用層 build 上去
將會是打造高效 Agent solution 的關鍵