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。

# 比較傳統 AI 與軟體代理程式和代理程式 AI
<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，或規則式或指令碼式決策  |  內容式、目標型、動態推理 （通常是 LLM 增強型）  | 
|  委派的意圖  |  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  |  高；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權和基本通訊，但它們通常受到規則限制或靜態。
+ 代理式 AI 將自主權、非同步和代理整合在一起。它可讓智慧、目標驅動的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。