近期研讀了李宏毅教授關於 [AI Agent 運作原理] 的系列影片，內容將複雜的技術轉化為易懂的邏輯。

以下以 OpenClaw（社群常稱為「龍蝦」）這類開源專案為基準，將 AI Agent 的核心機制與組成架構整理如下：

一、 AI Agent 的定義與運作邏輯

AI Agent 扮演著「人類指令」與「語言模型 (LLM)」之間的關鍵溝通介面。其本質是一套由預設程式碼與規則組成的自動化程序，主要負責協調兩者的互動。

其基本運作流程包含以下階段：

1. 系統提示詞加工 (System Prompt Construction)： 當人類下達指令時，Agent 會同步調用地端電腦的設定檔（包含 Agent 身份、任務目標）以及過去的對話歷史，將這些資訊整合為一段完整的長文字，置於人類指令之前作為背景脈絡。
2. 驅動語言模型進行預測： Agent 將加工後的長文字傳送至後端模型（如 GPT-4 或 Claude）。模型接收資訊後，會根據已有的文字內容進行「文字接龍」，預測並產出後續的字元 (Token)。
3. 執行功能與循環回饋： 當模型產出一般敘述時，Agent 直接將結果呈現給人類；若模型產出的內容包含特定的「工具調用符號」（如讀取檔案指令），Agent 則會在電腦系統中執行該指令，並將執行後的數據反饋給模型。此循環會持續進行，直到模型判定任務達成並給出最終回覆。

二、 AI Agent 的四大核心組件

為了彌補語言模型的原生限制，AI Agent 透過以下架構讓模型能發揮如全天候助理般的功能：

1. 核心大腦 (The LLM Core)

AI Agent 的決策品質完全仰賴後端連接的語言模型。模型如同位於密閉空間內的運算核心，不具備自主記憶或感官，僅透過 Agent 提供的文字訊息進行邏輯預測。

2. 角色設定與身份定義 (Persona Design)

Agent 具備特定的人格特質，主要源於本地端儲存的 .md 文字檔案。每次互動時，Agent 會將這些行為準則與偏好強制寫入提示詞，引導模型產出符合特定角色背景的內容。

3. 記憶維護系統 (Memory Management)

由於模型本身不具備跨對話的記憶能力，Agent 建立了兩層記憶機制：

• 長期記憶 (RAG 檢索)： Agent 能將重要資訊寫入記憶庫。當需要回溯過往資訊時，系統會比對「關鍵字出現頻率 (S1)」與「語意相似度 (S2)」進行綜合評分，精準提取相關片段供模型參考。
• 短期記憶壓縮 (Context Compression)： 考量到模型的上下文容量限制，當對話過長時，Agent 會要求模型對舊對話進行「摘要總結」，以簡練的摘要取代原始細節，確保系統能長時間運作而不超出限制。

每一輪對話AI Agent會把對話內容的摘要或是覺得重要的資訊自己修改補充的對應的md檔中。有可能是長期記憶/靈魂設定/文字獄...等等md中

4. 工具調用與技能架構 (Tools & Skills)

這是讓模型具備實際執行能力的關鍵：

• 基礎工具： 涵蓋檔案讀寫與最強大的 Execute (程式碼執行) 功能。
• 子代理機制 (Subagent)： 面對如閱讀多篇論文的大型任務，大 Agent 會指派工具產生子代 Agent 協助分工，僅接收子代處理後的精簡資訊，落實 Context Engineering (上下文工程) 的優化。

• 技能模組化 (Skills)： 複雜任務會被標準化為 SOP 文字檔。Agent 採取「按需讀取」策略，僅在執行特定任務時才將對應技能載入系統提示詞。

5. 自主運行與排程機制

AI Agent 實現 24 小時運作的核心技術在於：

• 心跳觸發 (Heartbeat)： Agent 透過設定好的週期（如 15 分鐘）發送主動指令「戳」一下模型，促使模型檢查進度或主動尋找待辦事項。

• 排程系統 (Cronjob)： 結合排程工具，Agent 可以預約在未來特定時間啟動任務，讓 AI 具備「等待」與「跨時段管理」的能力。

如果沒有排程機制，AI Agent只會停在回覆你[影片生成中]之後就不會有任何回應了，因為他沒有等待的功能。[3分鐘後檢查網頁]的排程功能會觸發AI Agent再去看剛剛等待的影片生成是否完成

總結

理解 AI Agent 的技術層次後，可以發現其效能源自於精密的程式架構與高效的上下文管理。掌握這套「文字接龍協調工具」的邏輯，將有助於更專業地應用 AI 科技。

資料來源

解剖小龍蝦 — 以 OpenClaw 為例介紹 AI Agent 的運作原理