本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
將傳統 AI 與軟體代理程式和代理程式 AI 進行比較
下表提供傳統 AI、軟體代理程式和代理程式 AI 的詳細比較。
| 特性 | 傳統 AI | 軟體代理程式 | 代理式 AI |
|---|---|---|---|
|
範例 |
垃圾郵件篩選條件、影像分類器、建議引擎 |
Chatbot、任務排程器、監控代理程式 |
AI 助理、自主開發人員代理程式、多代理程式 LLM 協調 |
|
執行模型 |
批次或同步 |
事件驅動或排程 |
非同步、事件驅動和目標驅動 |
|
自主性 |
有限；通常需要人工或外部協同運作 |
中；在預先定義的邊界內獨立運作 |
高；獨立執行自適應策略 |
|
反應 |
對輸入資料有反應 |
對環境和事件有反應 |
被動和主動；預測並啟動動作 |
|
主動性 |
罕見 |
存在於某些系統中 |
核心屬性；推動目標導向行為 |
|
Communication |
最小；通常為獨立或 API 繫結 |
客服人員間或客服人員-人類傳訊 |
豐富的多代理程式和human-in-the-loop互動 |
|
決策 |
僅限模型推論 （分類、預測等） |
符號推理，或以規則為基礎或編寫指令碼的決策 |
內容式、目標型、動態推理 （通常是 LLM 增強型） |
|
委派意圖 |
否；執行使用者直接定義的任務 |
部分；代表範圍有限的使用者或系統 |
是；通常跨服務、使用者或系統使用委派的目標 |
|
學習和適應 |
通常以模型為中心 （例如 ML 訓練） |
有時適應性 |
內嵌學習、記憶體或推理 （例如，意見回饋、自我修正） |
|
代理程式 |
無；人類的工具 |
隱含或基本 |
明確； 以目的、目標和自我導向運作 |
|
內容感知 |
低；無狀態或以快照為基礎的 |
中度；某些狀態追蹤 |
High； 使用記憶體、情境內容和環境模型 |
|
基礎結構角色 |
內嵌在應用程式或分析管道中 |
中介軟體或服務層元件 |
與雲端、無伺服器或邊緣系統整合的可編譯代理程式網格 |
綜上所述：
-
傳統 AI 以工具為中心，功能更窄。它著重於預測或分類。
-
傳統軟體代理程式引入自主性和基本通訊，但它們通常是規則限制或靜態的。
-
代理式 AI 將自主性、非同步和代理整合在一起。它可讓智慧型、目標驅動型實體在複雜的系統中進行推理、行動和調整。這使得代理式 AI 非常適合雲端原生 AI 驅動的未來。
