Agent 的介入方式

第四週 4-1｜Agent 時代的知識工作

從研究工作流程出發，說明模型、執行框架與工具如何配合，再比較對話、交辦、製作工具、結構化判斷、流程指派 Agent 與 Agent 管理流程六種介入方式。

作者

單位

黃俊銘

藍震有限公司

本頁說明 Agent 如何把一句要求變成實際成果，以及它可以用哪些方式參與工作流程。課程以「測試一個研究想法」為共同案例，從提出問題、查找文獻、選定方法、取得資料、執行分析到撰寫報告，逐段比較 Agent 的位置、權限與人的責任。

開啟第四週 4-1 授課投影片。文章版補上投影片中由講師口述的說明，並保留流程圖供放大閱讀。

第四週另有下半場講課與工作坊。下半場將外部用法與地震業務改寫成同一組工作動詞；工作坊則由學員選擇一件實際工作，拆解流程並評估是否值得嘗試。

研究工作的一般流程

研究工作可以先用六個活動表示：提出問題、查找文獻、選定方法、取得資料、執行分析、撰寫報告。這個簡化版本便於掌握方向，但尚未顯示資料如何交接、哪些步驟需要判斷，以及每一步留下什麼成果。

Domain Storytelling 將流程拆成演員、活動與工作物件。下圖以研究者為主要演員，另外加入文獻資料庫、資料管理者、計算環境、同事與審閱者。活動依編號閱讀，箭頭顯示每一步使用或產生的工作物件。

測試研究想法的完整流程。研究者提出問題、查找文獻、選定方法、申請資料、撰寫程式、執行分析、比較結果、調整程式、歸納結論並撰寫報告，最後由審閱者提出意見。

這張圖包含十一個活動：

1. 研究者寫下研究問題。
2. 研究者依研究問題查詢文獻資料庫，取得論文清單。
3. 研究者閱讀論文清單，並與同事討論後，選定方法與評估指標。
4. 研究者向資料管理者申請資料，取得整理後資料。
5. 研究者依方法與評估指標撰寫程式碼。
6. 計算環境以整理後資料執行程式碼，產出結果圖表。
7. 研究者將結果圖表與現行方法對照，製作比較表。
8. 研究者檢視比較表，依結果調整程式碼。
9. 研究者依比較表歸納結論。
10. 研究者依結論撰寫報告。
11. 審閱者審閱報告，寫出審閱意見。

流程圖的用途不是規定所有研究都要遵循同一套步驟，而是把一件具體工作攤開。圖上可以直接查看誰負責、使用什麼材料、產生什麼成果，以及哪些位置需要交接與驗收。

Agent 的運作機制

模型本身只產生文字。輸出可能是一段回答、一段程式碼，也可能是符合工具規格的呼叫，其中寫明工具名稱與參數。模型寫出「建立檔案」並不會直接改變電腦狀態。

實際執行動作的是 Harness，也就是執行框架。執行框架預先接好檔案、終端機、程式、API、瀏覽器等工具。模型提出工具呼叫，執行框架檢查工具與權限後執行，再把結果送回模型。模型讀取結果，決定繼續操作、請人確認或停止。

這個循環可以簡化成四個步驟：

1. 人提出目標與限制。
2. 模型產生訊息或工具呼叫。
3. 執行框架呼叫程式，程式改變檔案或外部系統。
4. 工具回傳結果，模型依結果決定下一步。

因此「模型提出動作」「程式執行動作」「結果得到驗證」要分開看待。能完成哪些動作，取決於當時接入的工具與授予的權限。此處的架構整理自 Anthropic 的 Building effective agents。

修改一個 Markdown 檔案

修改 Markdown 看似只是一個動作，實際上通常包含五個階段。每一階段都可能呼叫數個工具，也都會產生供下一步使用的結果。

1. 接收需求

使用者說明要修改的文件、目的與限制。模型先形成工作計畫，判斷需要查看哪些檔案與專案規則。

使用者提出 Markdown 修改需求，模型整理目標、限制與工作計畫。

2. 搜尋與讀取

Agent 先搜尋目錄與相關文字，再讀取目標文件、專案規則與引用來源。工具回傳的檔案清單與內容都會成為下一次模型判斷的輸入。

Agent 使用搜尋與讀取工具，取得目標文件、專案規則及相關資料。

3. 產生並套用 Patch

模型依讀到的內容產生修改內容，再提出套用 Patch 的工具呼叫。真正寫入磁碟的是工具，不是模型。工具執行完成後，回傳成功、失敗或衝突資訊。

模型產生修改內容與 Patch，執行框架呼叫檔案工具寫入磁碟。

4. 複查與比較

Agent 重新讀取修改後的文件，並查看差異。若發現遺漏、格式問題或非預期變動，便回到前一步修正。這個階段將「工具成功」與「內容正確」分開驗證。

Agent 回讀修改後文件並查看差異，必要時再次修正。

5. 建置驗證與回報

文件若屬於網站或文件專案，還要執行建置或檢查命令。Agent 讀取輸出與錯誤訊息，確認頁面可以產生，再向使用者回報修改範圍、驗證結果與尚待處理的問題。

Agent 執行建置與檢查，讀取結果後向使用者回報。

這五個階段解釋了為什麼 Agent 會呼叫許多工具。每次呼叫只完成一個具體操作，例如列出檔案、讀取內容、寫入修改、查看差異或執行建置。模型依每次返回的結果調整下一步，直到成果通過檢查。

六種介入方式

同一件研究工作可以讓 Agent 以不同方式參與。以下六種方式依介入流程的深淺排列。前三種由人直接使用工具，後三種由程式在流程中呼叫模型或 Agent。編號只表示說明順序，不代表能力等級。

1. 對話

Agent 在正式流程之外提供建議。它不讀寫流程中的檔案，也不替人執行後續工作。這種方式適合定義未明、規則未定，或已經有成品而需要另一個角度檢查的情境。

對話的一般流程。承辦人自行查找資料、判斷與產出，只在判斷時向流程外的 AI 對話取得建議。

套入本課程的研究流程後：

研究者帶著研究問題與對話 Agent 討論，Agent 整理方法選項與限制，再由研究者選定方法與評估指標。

研究者先形成自己的問題，再請 Agent 整理可能的方法與限制。最後採用哪個方法、使用哪些評估指標，仍由研究者決定。這種方式不用建置系統，也不必開放工作環境；代價是產出只有建議，無法直接成為流程中的成果。

2. 交辦

人將一項有明確邊界的工作交給 Agent。Agent 查找資料、使用工具並交出可檢查的成果，完成後退出，不留在後續流程。

交辦的一般流程。承辦人準備需求與資料，Agent 在流程外製作成品檔案並送入流程，再由人檢查、驗收及歸檔。

套入本課程的研究流程後：

研究者交辦文獻檢索任務，Agent 查詢文獻資料庫並交出附來源的論文清單，再由研究者檢查與取捨。

圖中的工作包是文獻檢索。研究者先說明範圍與來源要求，Agent 交出附來源的論文清單，研究者再檢查來源並決定採用內容。這種方式會留下實際檔案，接受或退回的責任線也較清楚；若同一工作要定期重做，仍需再次交辦與檢查。

3. 製作工具

Agent 只參與建置階段。人先確認規則、輸入、輸出與測試條件，再請 Agent 建立程式。工具完成後由一般計算環境執行，運行時沒有 Agent。

製作工具的一般流程。人向 AI 說明規則與格式，AI 只在建置時產生工具；後續每次作業都由工具處理資料，再由人確認結果。

套入本課程的研究流程後：

研究者交出輸入、輸出與測試條件，程式建置 Agent 建立程式與測試後退出；計算環境之後反覆執行程式。

這是 vibe coding 常見的使用方式。相同輸入可以得到相同輸出，程式也可以測試與重複執行。程式沒有報錯不代表研究結果正確，因此仍須查驗輸出，並先確認寫入程式的規則本身成立。

4. 結構化判斷

既有程式在固定節點把資料送給模型。答案的格式與範圍由程式預先定義，模型只能回傳某個類別、分數或機率，不選擇工具，也不決定流程下一步。

結構化判斷的一般流程。人先定義選項與範例，AI 逐筆判斷資料，人再抽查例外，留下格式一致的結果與紀錄。

套入本課程的研究流程後：

固定流程讀取論文題名與摘要，結構化判斷模型回傳相關性標記與分數，再由研究者抽查例外。

圖中的模型只判斷論文相關性。人先定義類別與範例，程式逐篇送出題名與摘要，模型回傳標記與分數。研究者抽查低信心或分類錯誤的項目。這種方式適合選項已知、規則明確且數量較大的判斷，但只能回答預先定義的問題。

投影片以 TypeSafe AI 的 Jev 作為近期例子。Jev 的官方說明將它定位為供程式使用的結構化決策模型，回傳預先定義的型別與機率，不產生自由文字。產品仍在早期階段，官方公布的速度與成本數字應視為廠商測試結果；型別正確也不代表判斷內容正確。詳見 TypeSafe AI 的發布說明。

5. 流程指派 Agent

事件或資料到達時，流程建立一項任務並指派給 Agent。Agent 可以自行選擇工具、處理例外與反覆執行，最後將產物交回流程或交由人驗收。

流程指派 Agent 的一般流程。條件觸發後，Agent 依 SOP 連續取得資料、處理並產出結果，最後由人放行或歸檔。

套入本課程的研究流程後：

新資料到達後，流程建立重跑任務並指派給實驗節點 Agent；Agent 呼叫計算環境，整理比較表，再由研究者決定接受或退回。

這種方式適合下一步無法完全寫成固定路徑，且需要查詢多個來源或處理例外的工作。它可以在無人守候時執行，但須先限定資料與操作權限、指定停止條件，並保留執行紀錄與可檢查的成果。

投影片另以兩種近期產品說明部署位置的差異：Grok Bot 在雲端電腦執行，OpenClaw 則在個人電腦執行。兩者都可能取得檔案、瀏覽器或應用程式權限；差異在於執行環境、帳號管理與資料邊界。產品功能變動快速，文章只用它們說明架構，不作為採購建議。

6. Agent 管理流程

主 Agent 承接整件工作，建立計畫、呼叫工具或其他 Agent，持續更新進度，並在需要核准的位置暫停。這種方式的範圍跨越多個流程節點。

Agent 管理流程的一般形式。人設定目標與規則，主 Agent 分派並彙整取資料、分析比對與產出報表等工作，最後交由人核可。

套入本課程的研究流程後：

主 Agent 串接文獻查詢、方法選擇、實驗、結論與報告撰寫，並在方法、結論與定稿之前等待研究者核准。

圖中的主 Agent 從文獻整理一路追蹤到報告審閱。研究者仍負責方法選擇、結論確認與最後定稿。這種方式讓整件工作有單一承接者，但錯誤也可能跨系統延伸，因此須先建立權限、操作紀錄、核准點、停止條件與回復方式。

Agent 在流程中的角色

介入方式決定 Agent 位於流程的哪裡，角色則說明它在該位置承擔什麼工作。機關內原本就有類似分工，可以沿用既有語言說明。

工作方向	角色	主要工作
協助思考	討論者	提供方向與選項
協助思考	對手	提出反例與疑點
協助思考	模擬對象	模擬民眾或記者提問
代為執行	整理者	查找比對並整理成表
代為執行	起草者	撰寫可修改的草稿
代為執行	操作員	執行程式與軟體操作
監督把關	規劃者	拆解步驟與順序
監督把關	審查者	對照標準檢查產出
監督把關	協調者	分派工作並追蹤結案

同一個 Agent 可以在不同階段更換角色，但每個角色需要的資料、工具與權限不同。整理與審查多半只需要讀取權限，起草需要寫入草稿，操作員才需要執行程式或操作軟體。無論使用哪一種介入方式，方法選擇、結論、對外發送與無法回復的操作都應事先指定由誰核准。

取捨與現況

介入越深，Agent 需要的信任、權限、建置成本與操作難度通常越高。現階段較容易取得明確效益的是交辦與製作工具：前者留下可檢查的成果，後者將已確定的規則收斂成可以測試與重複執行的程式。

結構化判斷、流程指派 Agent 與 Agent 管理流程仍在快速演變。試行時宜限縮範圍，保留人工查驗與回復方式，並以已知答案或既有流程作為比較基準。更換工具的理由應來自實際試用後的差異，不必因產品展示而改造整段工作。

公部門使用 AI 時，還須遵循機關適用的資料與資訊安全規範。行政院的生成式 AI 參考指引與數位發展部的公部門人工智慧應用參考手冊可作為檢查資料、責任、風險與導入方式的起點。實際工作仍須依最新規定與機關內部要求辦理。

六種方式不必擇一使用。同一件研究工作中，可以用對話整理方法選項、交辦 Agent 查找文獻、請 Agent 建立分析工具，再由固定流程或節點 Agent 處理後續資料。適合的做法取決於該段工作的規則是否明確、成果能否驗收、需要哪些權限，以及最後由誰負責。