小編精選 - 技術文章翻譯 · 09月09日

大多數「AI Agents」其實只是披著風衣的 if 句子

去年我打造了一個代理，我為此感到很自豪。

它有規劃器。它有工具。它有一個推理迴圈，會決定接下來要做什麼、反思自己的輸出，並把各個步驟串接起來完成真正的工作。做展示時，它真的很驚人——那種會讓整個房間發出「喔」一聲的東西。

然後它上了正式環境，結果又慢、又貴，而且失敗方式是我無法重現的。同樣的輸入，星期二和星期三的行為卻不同。它出錯時，原因是上游有三個我無法控制、也看不見的「自主決策」。

所以我做了件不華麗的事：我把它重寫成一個無聊的線性管線。固定步驟。沒有推理迴圈。然後它在所有重要面向上都更好了——更快、更便宜、可測試、可除錯。

接著我看了舊「代理」的日誌，忽然覺得有點噁心。它每一次都做同樣三個步驟。 擷取、轉換、回應。每次執行都一樣。它從來沒有用它那珍貴的自主性去做任何不同的事。我其實只是做了一個 for 迴圈，給它一段系統提示詞，然後把它叫做代理。

我不覺得只有我這樣。我認為 2026 年大家所稱的「代理」，大多其實只是穿著風衣的管線——而我想主張，這不是在貶低它。這反而是種解脫。

什麼才是真正的「代理」（沒有人真正定義清楚的定義）

「代理」已經變成那種什麼都能指、因此什麼都不指的詞。那我就先釘住唯一真正重要的差別，因為整個論點都建立在這上面。

代理會在執行時自行決定控制流程。 要呼叫哪個工具、下一步是什麼、要不要再迴圈一次、什麼時候停止——模型根據它所看到的內容，動態選擇路徑。

管線則是在設計時就由你把控制流程固定好。 第一步、第二步、第三步。每次都走同一條路徑。LLM 只是在各個步驟內部做事，但它沒有資格決定步驟。

這就是全部差異。而大家常常跳過的是：LLM 在固定步驟內做得很聰明，不代表它有自主性。 擷取欄位、分類工單、生成摘要——那只是使用 LLM。那是一個聰明的函式呼叫。自主性特指的是：模型被交給方向盤，並且能自己選路。

大多數「代理」其實從來沒有真的把方向盤交出去。它們只是用流暢的自然語言把固定路線講述出來，然後把這段講述稱為「推理」。

測試方式：你能不能事先畫出流程圖？

這裡有一個一句話的試金石，幾乎能解決所有問題：

如果你能在系統執行之前就畫出它會怎麼運作的流程圖，那你就沒有代理。你只有一條管線。

先停一下，想想你的「代理」。第一步：它擷取一些上下文。第二步：它呼叫一個工具。第三步：它格式化回應。你在寫任何一行程式碼之前，能不能先把這個畫在白板上？如果可以，那就是管線。模型不是在決定路徑——路徑早就是你決定的。模型只是在人為指定的每個節點上做工，卻聽起來像是在決定。

只有當流程圖真的無法事先畫出來時，你才需要真正的自主性——也就是下一步取決於你事先不可能知道、必須先發現的東西。這種情況很少見。大多數商業任務都有你已經理解的形狀。你知道步驟。你只是讓模型用很高的成本去即興演出，卻沒有任何好處。

為什麼這套裝扮很貴

「好吧，」你可能會說，「所以它技術上算是管線。但它能用啊，誰在乎？」在乎的人可多了：任何要執行它、為它付錢、或在凌晨兩點除錯它的人。把管線假裝成代理，代價很真實，而且是明碼標價的。

非決定性。 當模型決定路徑時，同樣的輸入在不同執行中可能走不同路徑。展示時很棒，正式環境就很痛苦，因為你的錯誤再也無法重現。「我試的時候是正常的」會變成永久狀態。

可除錯性崩壞。 固定管線壞掉時，你知道 точно 是哪一步失敗。代理壞掉時，它可能是在第 12 步失敗，但真正原因是它在第 4 步做了某個你無法控制、也很難重播的決策。你不再是在除錯程式碼；你是在對一個選擇做鑑識。

失敗面積倍增。 每一個自主決策都是另一個出錯點，而這些失敗會在各步驟之間疊加。一個有五個固定步驟的管線，有五件事要檢查。一個做五次決策的代理，就有五個可能出錯的決策，而且還會以不同組合、不同順序在每次執行中變化。

成本與延遲。 推理迴圈會比固定序列呼叫更多次模型——它思考、重新思考、反思、決定再迴圈一次。你是在按 token 付費，讓模型去思量一條你本來就知道的路線。

你無法測試它。 回歸測試需要一組固定路徑可供驗證。代理，按定義來說，沒有這種東西。所以那個在正式環境中做自主決策的東西，也正是你無法為它寫出可靠測試的東西。真棒。

把這些加起來，結論很殘酷：你付出了所有代價——非決定性、除錯惡夢、token 帳單——只為了讓模型去決定一件你本來就知道答案的事。

你真正想要的是一條管線

這裡才是那個無聊、但真正勝出的做法。

管線是一連串固定步驟，在模型真正有價值的地方插入 LLM 呼叫，而控制流程則由你掌握。它可重現：同樣輸入，同樣路徑。它可測試：固定路徑意味著真正的回歸測試。它便宜：不需要推理迴圈燃燒 token 來重新決定顯而易見的事。它也好除錯：第 3 步壞了，就看第 3 步。

而大家常忽略的是——LLM 依然完成所有聰明的部分。 它依然擷取、分類、對內容做推理、生成語言。你並沒有把事情變笨。你只是停止讓它去即興決定工作的結構，因為那個結構從來就不是需要智慧的部分。結構本來就是你已經理解的東西。

仔細看那些在正式環境中真正能運作的「代理式」系統，通常你會發現這點：它們大多是固定管線，只在一兩個經過嚴格限制的決策點上使用模型，而不是讓它自由運轉的推理迴圈。好的系統都把自主性壓縮到最小的範圍。它們是管線，只是偶爾、有意地讓模型做一個有限的選擇——而不是把整場戲都交給代理。

什麼時候你真的需要一個真正的代理

現在我要反過來替自己辯護一下，因為「代理永遠都不好」和「一切都必須是代理」一樣愚蠢。真正的自主性確實有它的價值，而且是在特定情況下才值回票價：

步驟真的無法事先知道。 開放式研究、探索、除錯未知問題——那些路徑真的會隨著你找到的東西而浮現的任務。你無法先畫出流程圖，因為流程圖本身就是被發現的物件。
每一步都取決於剛剛發現的結果。 真正的多跳工作：「先找到那個東西，再根據那個東西是什麼，決定下一個東西。」如果第 2 步在第 1 步跑完之前真的無法知道，那你就需要能在執行時做決策的東西。
分支是無界且真實的——不是「一個有三種情況的 if 陳述式」，那只是帶開關的管線；而是一個可能性太多、無法事先列舉的空間。

如果你的任務符合其中一種，那就打造代理吧——你是有資格的。即便如此，做法仍然是盡量縮小自主性：能硬編碼的就硬編碼，把模型在執行時做決策的能力，保留給那個真正需要它的點。自主性是成本。只有在它能換來東西時才花。

重點從來不是「代理很糟」。重點是自主性是一項你應該先證明其必要性的成本，而大多數自稱是代理的系統，從來沒有證明過這件事——它們只是喜歡這個詞。

為什麼大家還是會先做代理

那麼，如果管線更便宜、更安全、也更容易除錯，為什麼大家還是一直在做代理？答案其實很不舒服：代理是為了建造者，不是為了任務。

代理更適合展示。「看它自主地推理問題」會讓整個房間往前傾；「我寫了一個會呼叫模型三次的函式」就不會。代理感覺更像真正的 AI、更像未來、也更像你當初投入這件事的原因。而「agentic」是履歷詞，也是募資詞——它在每日站會和簡報投影片上，都能傳達「高深」的感覺，而「決定性管線」永遠不會。

這些理由都和你的任務到底需不需要代理沒有半點關係。它們只跟這個架構讓你感覺和看起來如何有關。而這正是為什麼無聊的管線才是資深者的做法——因為在更炫、更會獲得掌聲的方案本來就會贏得更多喝采時，仍然選擇那個不那麼驚人、但真的會工作的東西，這種克制正是炒作最不喜歡的。沒有人會截圖你的 while 迴圈。你的 while 迴圈只是安安靜靜地持續運作。