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
<a name="comparison"></a>

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。