本文依據政大蔡炎龍《生成式 AI：文字與圖像生成的原理與實務》1132 學期（2025 春季）。 這是政大蔡炎龍 生成式AI 導讀系列第 9 篇，接在 L08 RAG 的原理及實作之後，也是文字生成這半學期的最後一講。下一講起，課程轉向圖像生成。
用到的官方材料有四份：錄影 09（2025-04-15，約 2 小時 58 分）、投影片 GenAI09（33 頁，在主講者的投影片資料夾）、AI-Demo repo 的 【Demo07a】AI代理設計模式_Reflection 與 【Demo07c】AI代理設計模式_員瑛式思考生成器Two_Stage_CoT版，以及長庚衛星班課程頁的第九週作業。存取等級是 A3。要特別注意：這兩份 notebook 在 GitHub 上最近一次 commit 都是 2025-10-28，已經在 1132 學期結束之後，以下引用的是 repo 目前版本，不是上課當時的原版。
本週在課程中的位置
錄影 09 的時間軸分成兩段。前一小時（約 8:27–58:24）講投影片：AI Agents 元年、Agent 跟 LLM 的關係、四個設計模式；休息後（1:08:23 起）現場安裝 AISuite，一路寫到 Gradio Web App，中間在 1:21:26 與 1:46:13 分別說明兩種作業。2:00:23 下課，2:08:47 起是助教課。
投影片的三段標題是「AI Agents 是什麼呢？」「AI Agent 的設計模式」「進階學習」。跟前幾講比，這講的數學幾乎是零，重點是把好幾次 LLM 呼叫接成一條流程。
核心概念一：一次 prompt 就像不能按刪除鍵寫文章
投影片第 6 頁先畫出我們平常用 LLM 的方式：下一個 prompt，LLM 直接輸出。第 7 頁引用吳恩達的比喻：這就好比要一個人寫一篇文章，但不可以用刪除鍵、不可以修改，一路寫下去。人很難做到。第 8 頁補一句：寫程式也是這樣，我們喜歡一邊寫、一邊試、一邊改。
接著第 9–10 頁盤點「人」在使用 LLM 時其實做了哪些事：
- 提供需要的正確資訊，可能要查資料、上網搜尋、按計算機
- 給清楚的指引：用什麼格式、什麼風格回答
- 來回要 LLM 修改：「某某地方實際情況是……另外某某地方是否可以改為……」
第 10 頁的結論是：如果 AI 自動做這些事，豈不美哉？第 11 頁於是給出本課的 Agent 定義：本來你要做的，AI 自動幫你做完！ 規劃、收集資料、不斷迭代嘗試，都由 AI 負責。
這個定義很寬，寬到第 12 頁直接說：L08 的 RAG 其實也是一種 AI Agent。原本「提供正確資訊」要人來做，RAG 改成電腦自動從資料庫找。回想 L06 說的 prompt 兩要素「資訊」與「指引」，Agent 就是把這兩件事裡原本由人負責的部分，一塊一塊交出去。
第 14 頁的圖把整件事畫成「老闆（你）一句話，員工（AI Agents）動起來」：一個 prompt 進去，後面接著 tools、plan、兩個 RAG 與 memory，最後才是 LLM 輸出。
怎麼做：拿你最近一次跟 ChatGPT 來回修改的對話，數一數你手動補了幾次資訊、提了幾次修改。那些就是可以交給 Agent 的步驟。
核心概念二：吳恩達的四個設計模式
投影片第 16 頁列出吳恩達提出的四個 Agent 設計模式（Design Patterns），並附上他演講的錄影連結：
| 模式 | 投影片的一句話 | 本課有沒有 Demo |
|---|---|---|
| Reflection 反思 | 第一個 LLM 產生初稿，第二個評估並給建議，第一個再修改，可重複數次 | 有：Demo07a |
| Tool Use 使用工具 | LLM 不擅長或不會的，呼叫工具來幫忙 | 沒有，只有投影片示意 |
| Planning 計畫 | 先請 LLM「想一想」「打草稿」再正式回應 | 有：Demo07c（兩階段 CoT） |
| Multiagent Collaboration 多代理合作 | 多個 AI Agent 一起工作 | 沒有，只有投影片示意 |
一次出現四個新概念很容易消化不良。本篇的策略跟課程一樣：有 Demo 的兩個模式細講，另外兩個各用一段講清楚它在解決什麼問題。
Reflection：讓另一個 LLM 當評論員
第 19 頁的圖只有三個方塊：prompt 進到「作者」LLM 產生初稿，初稿交給「評論員」LLM，評論回到作者手上。第 20 頁補一句：評論員當然可以用不同的模型。
為什麼這樣有用？因為評論員面對的是一篇已經寫好的文字，它的任務從「從零寫出好東西」變成「挑出這篇哪裡可以更好」。後者通常容易得多，人類編輯也是這樣分工。
Tool Use：不太會做的事，就不要再逼它了
第 22 頁的標題是「LLM 不太會做的事，就不要再逼他了……」，舉的工具是計算機、數據搜尋、網路搜尋。這接回 L04 的本質：LLM 是在猜下一個字，算 94 加 87 對它來說也是「猜」出來的。
第 23–24 頁用兩步示意工具呼叫的流程：
- 先告訴 Agent 有哪些工具。投影片的例子是用
bind_tools綁上add、get_stock_info、get_stock_news三個工具。 - 送出「94 加上 87 等於多少？」後，模型回傳的不是答案，而是一個
tool_calls結構，指名要呼叫add，參數是 x = 94、y = 87。
投影片第 24 頁的 tool_calls 長這樣
[{'name': 'add', 'args': {'x': 94, 'y': 87}}]關鍵在於：模型只負責「決定要叫哪個工具、參數是什麼」，真正執行加法的是你的程式。執行完再把結果交回模型，由它組成最後的回答。
本講沒有 Tool Use 的 notebook。想動手的讀者，可以先把 L08 的 RAG 流程看成一個「查資料庫」的工具，再延伸到其他工具。
Planning：先打草稿，再正式回應
第 26 頁的圖是 LLM 收到 prompt 後先列出「1. … 2. … 3. …」，心裡想著「我先來規劃要怎麼進行，比較好完整回覆使用者需求」。第 27 頁點名最有名的方法是 CoT（Chain-of-Thought），並列出四個好處：有系統地拆解複雜議題、找出議題間的關聯性、更完整地涵蓋各個面向、容易看出優先順序。
本課的做法是把 CoT 拆成兩次獨立的 LLM 呼叫：第一次只負責想，第二次只負責寫。這比在同一個 prompt 裡寫「請一步一步思考」更容易觀察與除錯，因為你看得到中間產物。
Multiagent Collaboration：一個 PM 分派工作
第 29 頁的圖有一個扮演 PM 的 LLM，下面是編號 1 到 4 的 Agent。PM 說：「任務拆解完成，1 號幫我算這個，2 號去查 XXOO 資訊，3 號依資訊分析理由……」4 號則說：「這次沒我事。」
其實 Reflection 已經是最小的多代理：兩個角色、一條固定流程。多代理合作把角色變多，並讓「誰來做下一步」本身也由 LLM 決定。
核心概念三：用 AISuite 統一呼叫介面
投影片第 17 頁說明今天用吳恩達的 AISuite 來實作，列了四個優點：統一的使用方式、輕鬆切換模型、同時使用不同供應商的模型、安裝容易。
對 Agent 來說，「同時使用不同供應商」這一點特別實用。作者可以用一家便宜快速的模型，評論員換一家更強的模型，只要改一個字串。兩份 Demo 的核心都是同一個 reply() 函式：
Demo07a／07c 共用的 reply()（repo 目前版本）
import aisuite as ai
def reply(system="請用台灣習慣的中文回覆。",
prompt="hi",
provider="groq",
model="openai/gpt-oss-120b"):
client = ai.Client()
messages = [
{"role": "system", "content": system},
{"role": "user", "content": prompt}
]
response = client.chat.completions.create(
model=f"{provider}:{model}", messages=messages)
return response.choices[0].message.content模型字串寫成 供應商:模型。repo 目前版本預設用 Groq 上的 openai/gpt-oss-120b，另外留了 OpenAI（gpt-4o）與 Mistral 的註解選項。金鑰從 Colab 的 userdata 讀，放在環境變數裡。
錄影 1:29:34 那段「使用兩種（以上）語言模型的設定方式」，講的就是把 provider_writer、provider_reviewer 拆開設定。
這週的 Demo notebook
Demo07a：社群貼文反思幫手
notebook 開頭寫明任務：使用者輸入今天想分享的內容，流程分四步。
model_writer生成第一版社群發文。system 設定要它活潑、有趣、第一人稱、有 emoji、帶點小幽默。model_reviewer以「文案潤稿專家」的身分，針對貼文給出具體修改建議。model_writer收到「這是我剛剛寫的貼文＋這是修改建議」，產出第二版，並且只輸出改好的文章。- Gradio 介面用三個欄位並排：第一版、建議、第二版。
整個 Agent 其實就是三次 reply() 呼叫，用 Python 字串把上一步的輸出塞進下一步的 prompt。三欄並排的設計很聰明：讀者一眼就看得出評論員有沒有發揮作用。
讀程式時會注意到一個小細節：第三步呼叫的 provider 是 provider_writer，model 卻寫成 model_reviewer。預設兩者是同一個模型，所以跑起來沒差；如果你把評論員換成別的模型，記得把這裡改回 model_writer。
Demo07c：兩階段 CoT 的員瑛式思考生成器
這份把 L06 的員瑛式思考生成器改寫成 Planning 模式。notebook 自己的說法是「典型的 Planning 模式應用：先拆解、後執行」。
- 第一階段（思考）：
system_planner是一位「正向思考導師」，針對使用者的倒楣事列出五種「為什麼這是超幸運的事」。 - 第二階段（產文）：
system_writer是「超級樂觀的社群貼文小天使」，從五個理由中挑最有趣的一個，寫成第一人稱 Instagram 貼文，中間要有 emoji，結尾一定要說「完全是 Lucky Vicky 呀！」
Gradio 介面兩欄：左邊是五個理由，右邊是最終貼文。
兩份 notebook 最後都是 demo.launch(share=True, debug=True)，在 Colab 裡產生一個暫時的公開網址。
進階學習清單與一處要更正的地方
投影片第 31 頁是一張「值得注意的學習方向」表格。標成入門的只有兩項：AISuite（實作）與 Gradio（互動介面），適合所有學生。LangChain、AutoGen（Microsoft）、CrewAI，以及 FAISS／Chroma／Weaviate 向量庫、BGE／E5／OpenAI Embedding 嵌入模型，都標成「進階學生」。
所以要講清楚：這門課的 Agent 實作只用 AISuite 加 Gradio，沒有 AutoGen 或 CrewAI 的實作。LangChain 在本課只出現在 L08 建向量資料庫的 notebook 裡。課程概述提到 AutoGen，但打開材料看不到對應的 Demo。
第 32 頁介紹兩個讓 LLM 跟外界溝通的標準：Anthropic 的 MCP 負責「與外部世界溝通」，Google 的 A2A（Agent-to-Agent）負責「代理之間溝通」。這個二分法很好記。不過投影片把 MCP 的全名寫成「Modular Capability Planning」，這是誤植。Anthropic 在 2024 年 11 月發表的 MCP 全名是 Model Context Protocol，官方文件把它定位成連接 AI 應用與外部系統的開放標準。投影片對功能的描述（標準化 LLM 與外部工具、資料來源的互動方式）是對的，只有名字寫錯。站內的 MCP 介紹有完整說明。
作業拆解：第九週（長庚衛星班版本）
題目：AI Agents：打造你專屬的超級代理人。Planning 模式（CoT 改寫版）與 Reflection 模式二選一，參考 Demo07a 或 Demo07c 改成自己的樣子，並用 Gradio 展示。
- Planning 模式：想清楚自己的原始任務，再設計兩階段推理過程。
- Reflection 模式：想清楚自己的原始任務，再安排 Reflection 的任務設計。
繳交內容：Colab 連結（開共用權限，重點處用 Markdown 註明）；兩階段（思考／產文）或寫手／評估者的人設設定；重點截圖；Gradio 的對話結果。1132 的繳交期限是 2025-04-28。
評分（滿分 10，另有「主題有趣 +1」）：
| 分數 | 條件 |
|---|---|
| 0 | 連結打不開且沒有截圖 |
| 1 | 與老師範例一樣 |
| 2 | 「GPT 水準」，或與本週主題無關 |
| 4 | 連結打不開，但有部分截圖 |
| 6 | 主題與老師範例相似（例如思考類任務、兩階段思考請它五選一、設計生成發文模型） |
| 7–8 | 達成大致要求 |
| 9 | 達成作業要求 |
共同規則：沒有引入老師的固定套件總分 −1（見 L01）；「連結打不開」包含權限未開、不是 Colab 連結、程式無法完整執行；請生成式 AI 幫忙的地方要附 prompt 與結果截圖並說明自己的理解，否則視為抄襲 AI；認定抄襲除該次 0 分外，總成績再扣 10 分。
讀者自評版：6 分那一列把「五選一、生成貼文」明確列為「跟範例相似」。想往上走，要換的是任務結構，不是題材。例如：Reflection 的評論員不只給建議，還要依一份檢核表逐項打分；或 Planning 的第一階段產出的是步驟清單，第二階段逐步執行。繳交在各校 LMS，校外讀者只能照這張表自評。
自學檢查點
- 能用吳恩達「不能按刪除鍵寫文章」的比喻，解釋 Agent 跟單次 prompt 差在哪。
- 能說出為什麼投影片說 RAG 也是一種 Agent。
- 能畫出 Reflection 的三方塊流程，並指出 Demo07a 的三次
reply()各對應哪一塊。 - 能解釋
tool_calls回傳時，真正執行工具的是誰。 - 能把自己的一個任務改寫成 Demo07c 的兩階段結構，並說出中間產物是什麼。
- 能正確說出 MCP 的全名。
延伸閱讀
本篇自成一體；想深入的部分，站內有這些系列：
- Agent 的完整課程：CMU 11-768 AI Agents 導讀
- 工具介面怎麼選：MCP 介紹、MCP vs CLI vs API
- 課程全貌與開放程度分級：全球 AI／CS 課程地圖
上一篇：L08 RAG 的原理及實作｜下一篇：L10 從變分自編碼器（VAE）開始的冒險旅程｜系列總覽
參考資料
- 【生成式 AI】09.為什麼大家說2025年是AI Agents元年（YouTube 錄影）
- 蔡炎龍 1132 生成式 AI 投影片資料夾（GenAI09）
- 1132 錄影播放清單
- 長庚衛星班課程頁：生成式 AI（2025）
- yenlung/AI-Demo：【Demo07a】AI代理設計模式_Reflection
- yenlung/AI-Demo：【Demo07c】AI代理設計模式_員瑛式思考生成器Two_Stage_CoT版
- andrewyng/aisuite（GitHub）
- 吳恩達談 Agent 設計模式（GenAI09 第 16 頁引用的錄影）
- Anthropic：Introducing the Model Context Protocol
- Model Context Protocol 官方文件
- Gradio 官網
Loading...