AI Agent 僅是個 while 迴圈？—從 UI=f(state) 到 action=LLM(context) 的範式轉移

作者從前端開發者的視角，將 AI Agent 的核心機制解釋為一個 `while` 循環，並對比了 chatbot、agent 和 workflow，提供了一個 32 行的 Tiny-Agent 範例，清晰地解釋了 agent 的運作原理與實作方法。

本文深入探討 AI Agent 的核心機制，指出其本質即是一個 while 迴圈，並將其與前端開發中「UI = f(state)」的思維模式進行對比。作者強調，儘管骨架相似，但 Agent 將「UI = render(state)」轉變為「action = LLM(context)」，從同步、純函數演變為非同步、機率函數，且模型的行為變得不可預測。 • Agent 的最小骨架僅需一個迴圈，持續呼叫 LLM 並根據其回應（純文本或工具使用）來決定下一步行動，直到模型決定終止。 • 區分 Agent、chatbot 和 workflow 至關重要，Agent 的核心在於其能自主決策下一步行動，而非僅依賴預設腳本或單次 LLM 呼叫。

「把控制權交給一個機率函數，才是這門手藝的起點。」這意味著在 Agent 中，何時停止迴圈由模型自身判斷，而非開發者，帶來了無限迴圈、停止錯誤及成本失控等工程挑戰。 • 文中透過一個僅 32 行的 tiny-agent 實作展示了這個核心引擎，即便沒有複雜框架，也能執行工具調用和決策。 • 最終，開發者需從事事拍板的思維轉變為設計規則、劃定紅線並準備兜底，以應對這種將控制權讓渡給 AI 的全新范式。