AI代理人
含有「AI代理人」共 18 篇內容
全部內容
發佈日期由新至舊
微軟不把模型當作終局，而是押注在「鷹架」與「代理人基礎設施」上，從雲端算力到 GitHub 平台，全面佈局未來五十年的 AI 世界。策略核心不是打造最強模型，而是建立 AI 代理人賴以運作的環境，讓微軟成為所有模型、代理人與企業工作流程的共同依賴。模型會變便宜，但鷹架與基礎設施將成為長期價值來源。
Anthropics 團隊提出在設計 AI 代理人（AI Agent）發現好工具（tool use）需定義明確且有意圖充分、context 能靈活運用，提出各項優化token方法確保 AI 代理人（AI Agent）更直覺解決真實任務。Claude 團隊探討如何為 AI Agent 設計高效工具。
第25天：基於代理人的提示工程 (Agent-based Prompt Engineering)
用我的理解來表述的話，我會說Agent-based Prompt Engineering 是「代理人基礎的提示工程」。
「代理人基礎的提示工程」表達了：
▷是「提示工程」在單一 LLM 中實現，不是
第22天：Prompt Engineering 中的 Agentic Workflow (代理工作流)與 Function Calling (函數調用)
之前已經學過 LLM 作為代理人(as an Agent)的概念，今天就要來進一步理解，當 LLM as an Agent 時的細部流程，也就是
今天是跑在很前面的Multi-Agent Systems(MAS)...
－
▶︎Multi-Agent Systems 多代理人系統是什麼
Multi-Agent 系統就是：由兩個以上的 AI Agent 所組成的系統，透過在一個「共享」的環境中，以協作(合作或交互作用)、競爭的方式，一
AI程式輔助工具的崛起，例如Vibe Coding，引發了開發者是否會被取代的討論。本文認為AI將改變軟體開發方式，而非完全取代開發者。未來開發者角色將轉變為AI架構師，需具備問題分解、系統設計、創意解決方案和人類判斷等能力。扎實的資料結構與演算法、系統設計、程式碼分析和提示工程等基礎技能將更顯重要
第13天的，延續與 Prompt Chaining 密切相關，更複雜強大的概念：AI Agents (人工智慧代理)。
2 Parts：我的白話理解／練習題「模擬 AI Agent 工作流程」(＋GPT評點)
－
Part. 1 我的白話理解
－
▪︎ AI Agents 定義：
包含了L
本文為2025年輝達臺北Computex Keynote參與心得，探討AI發展的快速演進及其帶來的倫理和社會衝擊。從AI應用、Agentic AI（AI代理人）等面向深入分析，點出AI發展的潛在風險，例如數據安全、隱私保護和職場倫理等問題，並提出AI發展需兼顧科技進步與人類福祉的反思。
