🌟 早期 AI 系統設計
早期的 AI 系統架構較為陽春，設計重點在於「是否能提供正確答案」。使用者的期待也相對單純，只關心 AI 的輸出結果是否正確。
☄️ 1. ReFlection Pattern（反射）
「反思模式」的核心概念是：AI 在回答問題後會不斷的自我審查，透過不斷迭代來提升回答的準確性。這種模式強調單一回應的品質，而非行動能力。
🌟 現代 AI Agent 設計
現在流行的AI Agent，指的是個人專屬的智慧助理，只要交辦任務，它能透過網頁操作、程式撰寫、使用工具、調用其他AI模型等方式，以完成使用者目標。雖然AI Agent越來越方便，但是工具畢竟是工具，使用者還是需要自行判斷資訊的真假。
Agent能夠透過各種形式串接Tool
從系統設計的角度來看，AI Agent 的核心任務是「將使用者需求分解為多個子任務，並透過外部工具以滿足使用者需求」。
執行過程中，Agent 會不斷在兩個步驟間循環：
- Action（行動）：執行任務、操作工具。
- Observation（觀察）：評估結果、更新狀態。
☄️ 2. ReAct Pattern（原因及行動）
ReAct的強項是在每回合的「Action」使用工具與外部世界互動，且在Action結束後，Agent會進行反思：「我剛剛做了什麼？我完成目標了嗎？」並判斷是否需要進行下一次的Action，直到任務完成。
由於可以串接外部工具，如小型語言模型、MCP、外部API，有效的提升了AI Agent的實用性。
☄️ 3. Plan and Solve Pattern（計劃與解決）
俗話說：「計劃趕不上變化」，現實生活中，最怕碰到事情變化，這時候就需要能夠調整計畫的Plan and Solve Pattern。該Pattern有「計畫者」與「執行者」兩種角色，能夠在每回合的Action結束之後，決定是否需要調整計畫。
- 計畫者：
- 根據主要任務規劃需要做的Task（生成初始計畫－Task List）。
- 觀察每次的執行結果，決定是否需要調整計畫，並負責生成新的執行計劃。
- 執行者：
- 根據計畫者產生的計畫，呼叫一個或多個外部工具，以達成計畫目標。
這種結構不僅提升了 AI 的彈性，也讓任務執行更具魄力與適應性。
------------------------------------------------------------------------
✨ 喜歡我的文章，歡迎繼續閱讀其他【AI 系列免費文章】！
------------------------------------------------------------------------
