跳到主要內容

AI 202 · 模組 1

從 Workflow 到 Adaptive Agent

什麼時候 Workflow 不夠,需要 Agent 自己決定下一步?

開始第一節
已完成 0 / 5
同步我的進度加入梯次後,進度可跨裝置保存,講師也能看到

資訊

加入後,你已完成的模組編號會連同「學員代碼」傳送給講師,講師可以看到你的進度。請使用講師提供的代碼,不要輸入姓名、公司機密或其他個資。進度資料與該梯次的其他資料一起保存。

學習目標

  • 區分 Fixed Workflow、Conditional Workflow、Agentic Workflow 與 Adaptive Agent
  • 說明什麼讓 Agent 具有適應性:下一步取決於 Goal、State、Observation、可用的 Action 與先前的結果
  • 用 Goal、State、Observation、Action、Environment 與 Feedback 描述一個 Agent 任務
  • 說出讓 Adaptive Agent 維持在人類掌控之下的 Constraints、Bounded Autonomy 與 Stop Conditions
  • 為整門課選定一個真實、可用模擬資料描述的使用案例

問題與需求

8 分鐘

當路徑無法事先寫好

在 AI 104 中,你設計的是 Workflow:步驟、順序與檢查點都由人事先決定。只要路徑寫得出來,這樣的做法很好用。本課程從這裡開始往前走。核心問題是:什麼時候 Workflow 不夠,需要 Agent 自己決定下一步?

工作情境(模擬)

研究助理被要求:「找出這學期課程報名人數為什麼下降。」這件事沒有固定路徑。第一份資料可能顯示,下降只發生在晚間課程,接下來要看的東西就改變了;第二份資料可能缺漏,就需要換一個來源。正確的下一步取決於剛剛發現了什麼,沒有人能在開始前列出所有步驟。

  • 下一步取決於上一步回傳的結果,所以無法完全事先定義
  • 同一個 Goal,在不同日子或不同資料下可能需要不同路徑
  • 有些步驟要等前面的步驟揭露情況之後才有意義
  • 固定腳本遇到意外不是壞掉,就是視而不見

注意

自由度越高不等於越好。自己選下一步的 Agent 較難預測、成本較高,也更難審查。只有在路徑真的無法固定時才使用 Adaptive 的做法,而且一定要有限制,並由人負最終責任。

重點: 當路徑無法完全事先寫好,下一步就必須取決於當下的狀況,這就是「Adaptive」的意思。

核心概念

10 分鐘

四個階段:從 Fixed 到 Adaptive

從腳本到 Agent 是一段漸進的過程。每往後一個階段,就多把一點「接下來做什麼」的決定交給 AI。

從 Fixed Workflow 到 Adaptive Agent
  1. Fixed Workflow:每個步驟與順序都事先定義
  2. Conditional Workflow:步驟事先定義,分支由明確規則決定
  3. Agentic Workflow:整體流程大致固定,少數步驟由 AI 在有限選項內判斷
  4. Adaptive Agent:下一步取決於 Goal、State、Observation、可用的 Action 與先前的結果

文字說明:四個階段由左到右排成一條線,從最可預測到最有彈性。Fixed Workflow 永遠走同一條路;Conditional Workflow 依事先寫好的規則走幾條路徑之一;Agentic Workflow 保持整體流程固定,只讓 AI 做少數有限的判斷;Adaptive Agent 則根據所處的情況選擇每一個下一步。

四個階段的比較(模擬範例)
階段下一步由誰決定?範例
Fixed Workflow設計者,事先一次決定每週五:收集回饋、分類、摘要、產生週報草稿
Conditional Workflow事先寫好的規則若訊息屬於帳務,送到流程 A;否則送到流程 B
Agentic Workflow大致由設計者決定;AI 在限制內判斷少數步驟流程固定,但「這則意見是否需要跟進?」由 AI 判斷,不確定的交給人
Adaptive AgentAgent,依據 Goal 與目前為止的 ObservationGoal 是「找出報名人數下降的原因」;Agent 在允許的來源與步數上限內,自行選擇接著看哪些資料
自我檢測

一個信箱依類別,把每封訊息送到三個預先定義的處理流程之一,每個流程的步驟都是固定的。這屬於哪一個階段?

一個信箱依類別,把每封訊息送到三個預先定義的處理流程之一,每個流程的步驟都是固定的。這屬於哪一個階段?

重點: 四個階段的差別只有一件事:下一步由誰決定,以及選擇的開放程度。

12 分鐘

Goal、State、Observation、Action:Agent 的共同語言

最容易理解 Adaptive Agent 的方式,是把它看成一個迴圈:有 Goal,觀察當下情況,選一個 Action,執行它,再看發生了什麼。六個詞精確地描述這個迴圈,本課程之後每個模組都會用到。

Agent 的基本迴圈
  1. Goal:Agent 想達成的結果
  2. Observe State:現在的情況是什麼?
  3. Choose Action:哪個可用的 Action 最合適?
  4. Execute:在 Environment 中執行該 Action
  5. Observe Result:Environment 回傳的 Feedback,然後回到 Observe State

文字說明:迴圈從 Goal 出發。Agent 觀察目前的 State,選擇一個 Action,執行後觀察結果。結果會改變 State,迴圈再重複,直到達成 Goal 或遇到 Stop Condition。

六個詞,以模擬的報名人數分析說明
名詞意義範例
GoalAgent 努力達成的結果用一份主管可審閱的簡短說明,解釋報名人數下降
StateAgent 目前所知道、以及做過的事已載入報名人數;下降只出現在晚間課程;行銷資料尚未檢查
ObservationAgent 收到的新資訊行銷匯出資料顯示廣告量沒有變化
ActionAgent 接下來可以做的事打開課程時間表;與上學期比較;向人詢問缺少的資料
EnvironmentAgent 行動所在、且只能部分看見的世界它被允許使用的資料來源、文件與系統
FeedbackAction 之後 Environment 回傳的內容一張數字表、一個錯誤、一個空的結果

Workflow

  • 下一步大致事先定義
  • Observation 只用來確認步驟已完成
  • 可預測,容易審查

Adaptive Agent

  • 下一步取決於 Goal、State、Observation、可用的 Action 與先前的結果
  • Observation 會改變接下來發生的事
  • 有彈性,但需要限制與審查
自我檢測

Agent 打開一個資料檔,發現「晚間」欄位是空的。在迴圈中,這個空欄位是什麼?

Agent 打開一個資料檔,發現「晚間」欄位是空的。在迴圈中,這個空欄位是什麼?

重點: Goal、State、Observation、Action、Environment 與 Feedback,可以描述任何一個 Adaptive Agent,不論它如何實作。

邊界與控制

10 分鐘

Constraints、Bounded Autonomy 與 Stop Conditions

Agent 自己決定的越多,它的限制就越重要。三個觀念讓 Adaptive Agent 既有用又安全:Constraints 定義它必須遵守什麼,Bounded Autonomy 定義它可以自行決定多少,Stop Conditions 定義它何時必須停止。

Adaptive Agent 的三項控制
控制它回答的問題範例(模擬)
ConstraintsAgent 一定要遵守什麼?只使用核准的資料來源;不處理個人資料;20 分鐘內完成
Bounded Autonomy哪些可以自行決定,哪些需要人?可自由讀取與摘要;任何要寄到團隊外的內容都需要人核准
Stop Conditions不論是否達成 Goal,何時必須停下來?達成 Goal;用完 10 步;連續兩次錯誤;缺少必要資料;需要超出它權限的決定
  • 唯讀的 Action 通常可以給較多自由,會修改或寄出東西的 Action 則不行
  • 錯誤的影響越大,人就應該越早介入
  • Stop Condition 是執行前的設計決定,不是讓 Agent 自己臨時決定的事

資訊

Human–AI–Human:人定義目標與限制,Agent 在限制內選擇步驟,人審查結果並負最終責任。後續模組會加入 Human Escalation,也就是 Agent 何時必須把決定交還給人的規則。
自我檢測

下列哪一項是給 Adaptive 研究 Agent 的設計良好的 Stop Condition?

下列哪一項是給 Adaptive 研究 Agent 的設計良好的 Stop Condition?

重點: 自主性一定伴隨 Constraints、Bounded Autonomy 與 Stop Conditions,而且由人在執行前設定。

實作與應用

10 分鐘

實作:Workflow 還是 Adaptive Agent?

以下有 8 個模擬情境。請為每一個選擇:Fixed Workflow、Conditional Workflow、Agentic Workflow 或 Adaptive Agent,並說明下一步由誰決定。有些案例可以合理地有兩種讀法,重點是你能說明理由。請勿在此練習中輸入真實的公司機密、客戶個人資料或任何未經授權的敏感資訊。

8 個情境(請自行判斷)
案例情境思考
1每週一:匯出出席資料、計算出席率、貼進範本、送審,順序永遠相同過程中有任何需要決定的事嗎?
2低於某金額的報銷單進入自動檢查;高於該金額的依規則送給主管分支與其條件是否事先寫好?
3審查流程是固定的,但「這個來源可靠嗎?」由 AI 依檢核表判斷,有疑慮的交給人大致固定,加上有限的 AI 判斷
4Goal:「找出實驗室預約下降的原因」;Agent 自己挑要打開哪些紀錄、順著線索追查,並在 12 步或需要它沒有的資料時停止下一步由誰決定?限制是什麼?
5用範本填入姓名與日期產生制式信件有任何真正的決定嗎?
6給定「準備一份關於新教室預約系統各選項的簡報」,助手會搜尋、閱讀,當來源互相矛盾時調整做法,遇到政策問題時詢問人路徑有多開放?人在哪裡?
7訊息先由 AI 分為帳務、技術或一般,再走三個固定的處理流程AI 在哪裡做決定?之後發生什麼?
8每晚的排程把檔案備份到指定資料夾並記錄結果有需要適應的地方嗎?
  • Fixed Workflow:每個步驟與順序都事先定義
  • Conditional Workflow:步驟事先定義,分支由事先寫好的規則決定
  • Agentic Workflow:流程大致固定,少數步驟由 AI 在有限選項內判斷
  • Adaptive Agent:下一步取決於 Goal、State、Observation、可用的 Action 與先前的結果
  1. 應用:為整門課選定一個真實的使用案例
    挑一個路徑真的無法完全事先定義的任務:下一步取決於你發現了什麼。之後每個模組都以它練習,最後會放進你的 Agent Planning & Reasoning Canvas。
  2. 用模擬資料描述
    只寫目標與工作的性質,不要放真實姓名、客戶個人資料或公司機密。若任務涉及敏感內容,請改用模擬版本。
  3. 寫下 Goal 與限制
    用一句話寫 Goal,例如「用主管可審閱的說明,解釋報名人數為何下降」,再加上一項 Constraint 與一項 Stop Condition。
自我檢測

你需要為整門課選一個使用案例。哪一個最適合?

你需要為整門課選一個使用案例。哪一個最適合?

重點: Human–AI–Human:人定義目標與限制,Agent 在限制內選擇步驟,人審查並對結果負責。

接下來做什麼?