你正在為一家零售公司提供 AI Agents 顧問服務。他們正在舉辦設計思考工作坊，想找出組織內可能的代理型（agentic）應用情境。
白板上貼滿了便條紙，記錄著他們考慮投資的不同情境。
創新長轉向你：
「我們發想了 4 個想優先處理的情境，你能幫忙判斷哪些是代理型、哪些不是嗎？」
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
認識什麼是 AI agents、它們與傳統自動化與 AI 系統的差異，以及為什麼重要。你會透過真實案例——如客服機器人與旅遊代理——理解記憶、工具與協調等關鍵元件。
當前練習
深入了解 AI agents 透過 Thought-Action-Observation（TAO）循環與 ReAct 提示等架構如何思考與行動。你會探索 agents 如何與工具、環境與彼此互動，並逐步走向更進階的多代理系統。
學習如何以審慎與明確的方式設計與使用 AI agents。本章涵蓋必要的防護欄、實務最佳做法，以及如何評估何時適合採用代理式解決方案，協助你在真實情境中合乎倫理且有效地運用代理系統。
