在過去幾年，我們已經習慣了與大型語言模型 (LLM) 進行「對話」。我們提出問題或指令，AI則給出一個答案或完成一項單一任務。然而，人工智能發展的下一個浪潮，正將這種人機協作模式推向一個全新的維度。這個浪潮，就是由吳恩達 (Andrew Ng) 等業界領袖所強調的 「智能體工作流程」(Agentic Workflow)。 🌊
這代表了一種根本性的範式轉移：我們與AI的關係，正從「使用者與工具」的關係，進化為「管理者與自主員工」的關係。🤝
什麼是Agentic AI？ 🤔
傳統的LLM，好比一個知識淵博但極度被動的實習生。你必須給出清晰、一步到位的指令，它才能完成任務。如果你給它的任務過於複雜，它便會不知所措。
而 Agentic AI (AI智能體)，則像一個經驗豐富的項目經理。你只需要向它設定一個高層次的目標，例如「為我的咖啡店策劃一個為期三個月的社交媒體推廣計劃，目標是提升年輕顧客群體的到店率20%」，接下來，AI智能體會自主地完成一系列複雜的工作：
- 🎯 目標分解 (Goal Decomposition): AI會將你的模糊目標，分解成一系列具體、可執行的子任務。例如：
- 研究香港年輕人常用的社交媒體平台及流行趨勢。
- 分析競爭對手的社交媒體策略。
- 制定內容主題日曆（例如：週一新品介紹，週三咖啡知識，週五優惠活動）。
- 撰寫各平台的貼文文案和設計視覺素材的提示詞。
- 規劃廣告投放預算和目標受眾。
- 🛠️ 動態工具使用 (Dynamic Tool Use): 這是Agentic AI的核心能力。它不再局限於自身模型內的知識，而是能夠像人類一樣，主動調用外部工具來獲取信息或執行任務。在上述例子中，它可能會：
- 調用網絡瀏覽器API： 搜索「香港 Gen Z 咖啡店打卡」等關鍵詞。
- 調用圖像生成API (如Midjourney): 根據文案生成吸引眼球的宣傳圖片。
- 調用日曆API： 將內容日曆安排到你的共享日曆中。
- 🧐 自我反思與修正 (Self-Reflection and Refinement): 最高級的AI智能體，具備類似「批判性思維」的能力。在完成初稿後，它會進行自我評估：「這個推廣計劃的預算是否現實？文案的語氣是否符合品牌形象？視覺素材是否足夠吸引？」如果發現問題，它會自主進行迭代和修正，從而顯著提升最終產出的質量。
Agentic AI為何是生產力的下一個奇點？ 🚀
Agentic AI的崛起，意味著我們利用AI的方式將發生根本性改變。過去，我們花費大量時間學習如何撰寫完美的 提示 (Prompt) 來引導AI。未來，我們的精力將轉向如何 設定清晰的目標 (Goal Setting)，並評估AI智能體完成的結果。
這將對各行各業產生顛覆性影響：
- 💻 軟件開發： 開發者只需描述應用的功能需求，AI智能體便能自主編寫、測試和除錯代碼。
- 🔬 科學研究： 研究人員可以委託AI智能體「分析這批基因序列數據，找出與某種疾病相關的潛在標記，並撰寫論文初稿」。
- 📈 金融分析： 分析師可以指令AI智能體「監控市場上所有關於新能源行業的新聞和財報，當出現可能影響Tesla股價的重大事件時，立即生成一份摘要報告並發送給我」。
香港市場的機遇與挑戰 🇭🇰
對於追求高效率和高增值服務的香港經濟而言，Agentic AI帶來了巨大的機遇。在金融、法律、貿易等專業服務領域，大量重複性的資訊搜集、整理和初步分析工作，未來都可以委託給AI智能體完成，讓專業人士能更專注於最高價值的策略決策和客戶關係。
然而，這也帶來了挑戰。它要求我們的勞動力市場必須快速轉型，從強調「執行能力」，轉向強調「策略思考、目標設定和成果評估」的能力。懂得如何管理和協同AI智能體團隊，將成為未來職場最核心的競爭力之一。
正如Amazon AWS等科技巨頭在2025年已開始推出企業級的Agentic AI工具，這股浪潮已經不再是理論。企業和個人都需要思考：當你的競爭對手開始聘用不知疲倦、效率極高的AI員工時，你準備好了嗎？🤖
AI 智能體正因這種多元化的發展路徑而變得更加精彩。您對這種「管理者與自主員工」的AI協作模式有何看法？歡迎在去Practical AI Facebook 或 Instagram 留言區分享您的見解。