GenAI Agent 轉型組織
課程概述
AI Agent 是生成式 AI 的下一步，從以前被動回答問題，變成會主動去把任務做完。這堂課會帶你看 AI Agent 的核心概念、架構怎麼設計，還有 Google Cloud 的 Vertex AI Agent Builder 怎麼讓企業很快就能做出可以自己完成複雜任務的 AI 助理，進而帶動整個組織的數位轉型。
你將學到
- 定義 AI Agent 並解釋其與傳統聊天機器人的關鍵差異
- 描述 AI Agent 的核心架構：感知、推理、行動、記憶
- 了解 Vertex AI Agent Builder 的功能與應用模式
- 評估組織導入 AI Agent 的準備度與風險管理策略
核心概念
什麼是 AI Agent？
AI Agent 是一種能感知環境、自己做決策、再採取行動去達成目標的系統。傳統聊天機器人只會回答問題，AI Agent 差在哪？它能把複雜任務拆成好幾個步驟、去調用外部工具（API、資料庫、第三方服務），還會看中間跑出來的結果隨時調整接下來怎麼做。舉個例子，一個客服 Agent 不只回你「怎麼退貨」，還能直接查訂單狀態、幫你啟動退貨流程、追蹤物流到哪了。
Agent 的核心架構
AI Agent 跑起來通常有四個模組：感知（Perception）——接收使用者輸入跟環境資訊；推理（Reasoning）——靠 LLM 搞懂使用者意圖、規劃要做哪些步驟；行動（Action）——調用工具或 API 真的去執行；記憶（Memory）——把對話歷史跟任務狀態存起來，讓多輪對話之間還能接得上前文。這四個模組配合得好不好，直接決定了 Agent 能做到什麼程度。
Vertex AI Agent Builder
Google Cloud 的 Agent Builder 是一個低程式碼的 Agent 開發環境。你可以在裡面定義 Agent 的目標、能用哪些工具（Functions）、知識來源（Data Stores）跟行為規則。剩下像工具調用的編排（Orchestration）、錯誤處理、使用者互動這些，平台會自己幫你搞定，建 Agent 的技術門檻一下就降低很多。
ReAct 框架
ReAct（Reasoning + Acting）是現在最常用的 Agent 框架。每一步 Agent 都會先推理（Thought），看一下目前的狀態、決定下一步要做什麼；接著執行行動（Action），調用工具把結果拿回來；最後是觀察（Observation），分析剛剛跑出來的結果，再決定要不要繼續。這個循環會一直跑，直到任務做完、或是到了步驟上限為止。
實作重點
- 在 Vertex AI Agent Builder 裡做一個簡單的 Agent，至少設定兩個工具函式
- 測試 Agent 處理多步驟任務的能力，看它怎麼把一個複雜請求拆開再執行
- 設定 Grounding Data Store，讓 Agent 可以參照企業內部知識庫來回答問題
- 留意 Agent 的錯誤處理：工具調用失敗時，它會怎麼回退
Lab 導讀
Lab 連結：Gen AI Agents: Transform Your Organization — Google Cloud Skills Boost
這個 Lab 講 AI Agent 在組織裡可以怎麼用，從客服自動化到內部流程編排都有舉例。測驗會考的重點，是 Agent 跟傳統自動化差在哪、Agent 架構裡各個組件各做什麼，還有不同場景下要怎麼選對的 Agent 策略。安全性跟權限控管的最佳實踐特別要多看一下。
延伸學習
- Vertex AI + Flutter 打造 AI Agent — 動手建構完整的 Agent 應用
- 建構 GenAI 應用 — GenAI 應用開發的全流程
- GenAI 的 MLOps 實踐 — Agent 的部署與監控策略