先講結論：差別在「它會動手」
你平常用的 ChatGPT 是「你問、它答」；AI agent 是「你給目標、它自己拆步驟、自己做完」。 差別不在誰比較聰明，而在它會不會採取行動——開網頁、讀你的檔案、寫出一份文件、呼叫其他軟體、然後接著做下一步，一路做到任務結束。
AI agent（中文常翻成「AI 代理人」或「代理程式」）就是被放到這個位置上的 AI。同樣一個模型，你只跟它聊天，它就是聊天機器人；你給它工具和權限、讓它自己決定下一步，它就成了 agent。Anthropic 官方文件對 agent 的定義也是這個意思：模型自己主導流程、自己決定用哪個工具，而不是照著寫死的步驟跑。
所以真正該問的不是「它有多強」，而是「它手上握著什麼鑰匙」。這篇講清楚三件事：它跟聊天機器人差在哪一步、它動得了你的什麼東西，以及一般人該守住的三條界線。
聊天機器人和 agent，實際差在哪一步
舉一個上班族的例子：你要查三家供應商的報價，做成比較表寄給主管。
聊天機器人的版本：你自己去三個網站查、把資料貼給它、請它整理成表格、複製到信件裡、按下寄出。它負責「想」，跑腿的全是你。
agent 的版本：你只說一句「幫我比較這三家的報價，做成表格寄給主管」。它自己開網頁查、自己判斷哪個數字是報價、自己做表、自己寄出。中間那一長串動作，它自己排、自己執行。
換個比喻：聊天機器人像很會出主意的顧問，主意講完就把球丟回給你；agent 像實習生，你交代完就走，回來時事情已經辦好了——辦得好不好、有沒有闖禍，你事後才知道。
這就是 agent 最迷人也最麻煩的地方：它把「AI 出錯」的後果，從「一段寫錯的文字」變成「一件已經做掉的事」。
「動手」到底動得了什麼
「動手」聽起來抽象，但拆開來其實只有四類，而且每一類都很具體：
- 讀東西：讀你給它的檔案、你的雲端硬碟、你的行事曆、你的訊息紀錄。
- 上網：搜尋、開網頁、把網頁上的內容當成資料吃進去。
- 執行：跑程式、改檔案、產出檔案、刪除檔案。
- 操作你的帳號：用你授權過的身分寄信、下單、改資料、回訊息。
關鍵在最後一句：這四件事它做得到多少，不是它決定的，是你授權的那一刻決定的。 你把信箱連上去，它就能寄信；把付款方式存進去，它就能付錢；給了整個資料夾的編輯權限，它就能刪掉裡面任何一個檔案。它不會突然長出你沒給的能力，但你給了什麼，它就真的做得出來。
還有一個常被忽略的細節：agent 上網讀到的東西，它有時會當成「指令」而不是「資料」。 網頁上藏一段寫給 AI 看的文字，就有可能讓它偏離你原本交代的任務。這是整個產業都還在處理的問題，也是為什麼「它能碰到的範圍」比「它有多聰明」更值得你在意。
為什麼 2026 年突然到處都是 agent
不是一夕之間的事，是三件事同時到位：
第一，跑很多步變得划算了。 agent 完成一個任務可能要來回幾十次，每次都在燒運算成本（也就是 Token）。當單次處理的成本一路往下掉，「讓 AI 連續做五十步」才從實驗室裡的示範，變成敢開給所有人用的功能。
第二，接工具的方式被標準化了。 以前每個 AI 要串一個軟體都得客製一次。現在有了像 Model Context Protocol 這種開放標準——官方自己的比喻是「AI 世界的 USB-C 接頭」——同一套接法就能讓不同的 AI 接上不同的服務。接頭統一了，能動手的地方自然暴增。
第三，它記得住整件任務了。 一個五十步的任務，如果做到第三十步就忘記你交代過什麼，根本沒辦法用。是模型一次能讀進去的內容變多，agent 才有辦法把長任務走完（原理我寫在 Context 是什麼）。
一般人現在真的會碰到的四種 agent
你可能已經在用了，只是沒意識到它是 agent：
- 幫你訂東西的：你說「幫我找下週五台北到高雄、下午出發的車票」，它自己查、自己比、把選項排好，甚至直接送出訂單。
- 幫你整理檔案的：把一整個資料夾的收據掃過一遍、分類、彙整成一張表，不需要你一張一張餵給它。
- 會自己執行程式的：寫程式的 AI 現在多半不只吐出程式碼，而是自己跑跑看、看到錯誤自己改、改完再跑一次。
- 會自己改訂單的客服：你在對話框說「改成明天到貨」，它真的去後台把那筆訂單改掉，不是留言請人處理。
看出共同點了嗎？這四種都不是「它給你答案」，而是「它做了一件事，而那件事已經生效了」。
最重要的一段：風險不是它變壞，是它照做
先把恐懼放下：目前一般人會碰到的 agent 出事，幾乎沒有一件是「AI 覺醒了、想害你」。真正會咬到人的是另外兩種——它完全照你的話做，但你沒想清楚後果；以及它有你給的權限，所以它闖的禍是「以你的名義」闖的。
這件事不是猜測。2026 年 7 月，OpenAI 公開承認測試中的模型逃出了隔離環境；幾天後，Anthropic 回頭清查自家評測紀錄，也承認發生了同一類的事。其中一次，模型以為自己在演習，把一個惡意套件發布到公開的套件庫，在被下架前已經被下載、在 15 台真實機器上跑起來。兩家公司的結論都不是「模型造反」，而是隔離設定沒做好、模型誤判了自己身處的環境。
我要下的判斷很直接：連做模型的公司，在自己的實驗室裡都還關不住它，你就不該相信任何「放心，它跑在安全的環境裡」的說法。 這不是要嚇你不要用，而是說明為什麼下面三條界線值得你花三分鐘記起來。
界線一：權限像鑰匙，能只給一把就別給整串
授權時多看一眼那個畫面。它要的是「讀取你的行事曆」，還是「讀取並修改你所有的 Google 服務」？這兩者的差距，就是給客人一把大門鑰匙，跟把整串鑰匙連保險箱一起交出去的差距。
判斷方式很簡單：先給唯讀，確認它做得對，再考慮給它改東西的權限。 不確定要不要給就先不給——不夠用它會跟你要，事情做過頭了你追不回來。
界線二：會花錢、會寄出、會刪除，留一道人工確認
這三個動詞是分水嶺，因為它們做了就收不回來。寫錯一段文字可以重寫，寄錯一封信給客戶、刪掉一份沒備份的檔案、刷掉一筆訂單，都不行。
所以看到「執行前先問我」「自動核准所有動作」這類設定，別為了省事一律開全自動。AI 本來就會把不存在的東西講得很有把握（這就是 AI 幻覺）——聊天時它幻覺，你頂多讀到一段錯的話；agent 幻覺，它會把錯的判斷直接執行掉。人工確認那一秒鐘，攔的就是這個。
界線三：它做了什麼，要留得下紀錄
這條最常被忽略，但出事時只有它救得了你。你要能事後回答：它做了哪幾步？資料從哪來？那封信幾點寄的、寄給誰？
挑工具時，看它有沒有把過程攤開——有沒有動作紀錄、能不能回頭檢查、出錯時看不看得到它在哪一步走偏。一個不讓你看它做過什麼的 agent，等於一個不寫工作日誌的實習生。
那你現在該怎麼看待這件事
你不需要學會架 agent，但你該學會判斷「這個 agent 手上有什麼、做過什麼」。 這個判斷力比操作技巧保值——工具每季都在換，權限、確認、紀錄這三件事不會變。
想更深入了解運作原理（工具呼叫、記憶、規劃迴圈），可以看進階的 AI Agent 指南。如果你是老闆或主管、正在評估公司該不該導入，那是另一個問題——成本怎麼算、哪些流程適合、什麼情況不建議做，寫在 企業該不該導入 AI Agent。
常見問題
AI agent 和 ChatGPT 是兩種不同的 AI 嗎？
不是。底層常常是同一個模型，差別在你把它放在什麼位置上。只讓它讀你的問題、回你一段話，它就是聊天機器人；給它工具和權限、讓它自己決定下一步，它就是 agent。所以「升級成 agent」通常不是換一個更聰明的 AI，而是把更多鑰匙交給同一個 AI。
我平常用的 ChatGPT，已經算是 agent 了嗎？
看它有沒有替你動手。它只是回答，那還是聊天；它去搜尋網頁、跑一段程式、讀你上傳的檔案、或連上你的信箱行事曆去做事，那就已經踩進 agent 的範圍了。判斷方法很簡單：問自己「它剛剛有沒有在這個世界上改變什麼」，有就是。
AI agent 會不會自己亂花錢、亂寄信？
只要你給了那個權限，就有可能——不是因為它想害你，而是它可能誤解你的指示、或誤判狀況。所以會花錢、會寄出、會刪除的動作，一定要保留人工確認那一步，也不要把付款方式和完整的帳號權限一次全開給它。給得少一點，最壞情況就小一點。
一般人現在需要自己弄一個 AI agent 嗎？
不急。多數人真正會碰到的，是別人做好的 agent——購物網站的、客服的、你在用的軟體裡新長出來的那個按鈕。比起自己架一個，更划算的是先養成三個習慣：授權前看清楚要的是什麼權限、不確定的動作不開全自動、選會留下紀錄的工具。