商傳媒｜葉安庭／綜合外電報導
企業界導入人工智慧（AI）應用，正從單純的問答系統轉向更複雜的AI Agent（代理）模式。這類企業級AI Agent旨在透過持續執行任務來達成目標，過程中會分解工作、檢索知識、評估證據、運用外部工具並驗證成果，與傳統一次性回應的聊天機器人截然不同。
根據《Amazon Web Services》於週四發布的報導，此類AI Agent的核心是利用基礎模型（Foundation Model, FM）作為其推理核心，並整合工具、記憶體及防護措施（guardrails），來處理多步驟的複雜任務，並在不同環節間維持狀態與推理能力。企業採用AI Agent的目的，是為了自動化日常重複性工作，讓員工能專注於更高價值的任務，加速產品上市，並在不增加人力的情況下提升客戶體驗。
AWS為企業AI Agent設計了一套參考架構，共分為五個層次：API Gateway、一個五階段的Agent執行期（Agent runtime）、知識與狀態層、平台服務層，以及信任與控制框架。這個架構的關鍵在於其治理、可觀測性、信任控制、政策執行與成本效益，特別優化AI推理成本以創造更高價值。
該參考架構確保所有AI Agent的行動都能通過政策閘門（governed），每一步驟都能產生追蹤紀錄（observable），並透過信心評分與人工檢查點來建立信任（trustworthy），同時具備迭代學習能力，不斷提升理解力。
Agent的五階段執行循環包括：
理解、規劃與檢索
首先是「理解」（Understand）階段，Agent會處理使用者輸入，識別其意圖、情境（如對話歷史、使用者檔案）與限制（如時間、成本、可用工具）。接著進入「規劃」（Plan）階段，基礎模型會將目標分解為子任務，選擇合適的工具，並為每一步定義成功標準。隨後的「檢索」（Retrieve）階段，Agent會從知識庫（例如RAG，即檢索增強生成技術，讓AI能即時查詢企業內部資料再回答問題）、記憶體（短期與長期）和會話狀態中獲取事實，作為推理的依據。
推理、執行與觀察
「推理」（Reason）階段涉及模型路由（為任務選擇最佳模型）、決策（選擇下一步工具調用或調整計畫）與反思（評估行動結果）。最後的「執行與觀察」（Act and Observe）階段則會執行外部工具、解析並驗證結果，然後將反饋傳回下一輪循環。這個階段因為會修改真實系統，因此帶來顯著的治理風險，故在執行破壞性動作前，必須經過批准閘門，這可能是自動檢查、人工批准或兩者皆有，視風險程度與組織政策而定。行動驗證後，成果可以是回應、寫入資料、觸發工作流程，甚至在關鍵風險時啟動人工介入。
亞馬遜技術長沃納·沃格爾斯（Werner Vogels）曾在一次活動上指出，企業不應建構「信任待日後才建立」的AI架構。因此，這套參考架構從第一天起就將治理與可觀測性納入考量。AWS的Well-Architected Framework Generative AI Lens也將生成式AI工作負載圍繞六大支柱進行組織，確保Agent層次與這些標準保持一致，以釐清職責並提升可維護性。
此外，AWS建議的設計模式包括逐步自動化（Graduated autonomy），即從唯讀操作開始，逐漸擴大寫入權限；故障安全預設（Fail-safe defaults），在不確定時澄清或升級問題；多模型策略（Multi-model strategy），根據任務階段選擇適合的模型以平衡成本與效能；以及結構化工具介面（Structured tool interfaces），透過OpenAPI等明確規範介面。同時，應避免單一龐大Agent、無限制的循環，以及延後信任建立的架構。
