Agent-based vs. Agentic AI 

1. 兩個名詞的核心差異

• Agent-based AI：

  • 指的是系統架構。

  • 系統由多個自主的 agent（小單元）組成，彼此協作完成任務。

  • 例：模擬城市、群體行為模擬（每個人/車/動物都是一個 agent）。

• Agentic AI：

  • 指的是行為層面。

  • AI展現出主動性、自主規劃、決策和執行目標的能力。

  • 不一定要 agent-based 架構，單一大模型也能有 agentic 行為。

2. 現代主流 AI 的現狀

• 現在的 LLM（如 GPT-4.1、Claude 3.7）大多是 transformer 架構，屬於「單一大腦」而非 agent-based。

• 但這些模型經過訓練，已能展現高度 agentic 行為（如自主規劃、解決問題）。

• agentic 行為可以在非 agent-based 架構上實現，兩者並不等價。

3. Agent-based AI 的典型例子

• 多 agent 系統（Multi-Agent Systems, MAS）：

  • 例：模擬交通流、經濟市場、遊戲 NPC 群體行為。

  • 每個 agent 有自己的目標、狀態、決策邏輯，彼此互動。

4. 多步驟提示工程（Multi-step Prompting）

• 指人類將任務拆解成多個明確步驟，逐步指示 AI 執行。

• AI 只負責執行每個明確指令，沒有自主規劃。

• 和 agentic AI 最大差異：agentic AI 能根據目標自主規劃步驟，而不是被動執行。

5. 產業趨勢與未來發展

• 越來越多 AI 系統會強調 agentic 能力（如自主規劃、長期記憶、自主工具使用）。

• 產品設計時，需根據實際需求選擇合適的「agency」層級與架構。

• 理解這兩者的差異，有助於設計更有效、可控且具競爭力的 AI 系統。