開發 Agent = 當一個 Team Lead 去營造一個環境

AI 不是 LLM ； Agent 也不是 Context / Harness / Loop Engineering

如果 AI 不是 LLM，那是什麼？

AI 是一個「目標」，是 “WHAT”，讓人類覺得這東西「真的有智慧」。實作的方式曾有過專家系統、SVM、Tree Model，直到現在的 LLM 作為 “HOW”、作為實作的核心，讓大眾總算覺得：哎喲，這跟人一樣聰明（或笨）

Agent 同樣也是「目標」：去「代理」掉一些責任。

所謂「代理」責任，除了以 AI 當核心大腦外，也必須根據環境與輸入情境，去執行一些動作而達成目標。至於 HOW，無論是 Context / Harness / Loop Engineering 都是大家已研究的現有 best practice， 或是嘗試去彌補現況不足的技術。目前大家都還在摸索跟「累積」（所以才會有這麼多名詞）

因此，從 WHAT 來看一個 Agent 定義：

• 外在：要有環境 + 目標
• I/O: Agent 要能觀察環境（或輸入情境） + 行動，以推進到目標

剩下的實作可以再討論，例如，核心可以是只會嘴炮的 LLM 或搭配 deterministic code。例如，不一定要有記憶、不一定能根據環境回饋去修正或反省、不一定需要隔離 – 只不過最後可能是個成效不及格、沒責任感的工讀生，無法「放手」代理

但怎麼做出一個及格的代理人？

一個看法是「怎麼教育一個剛畢業的新進員工」 – 當然過度擬人化很危險，就像飛機不是模擬鳥，之前流行的建造多角色 subagent 模擬公司架構也沒被證明是 best practice – 但我覺得從這個觀點切入會讓自己有個有趣的心態：

「身為一個領導者，怎麼樣營造一個環境，讓你不用事必躬親，讓新進員工能代理，是助力而不是阻力？」

其實就是有些人說的 build the system that builds a software.

而營造環境這檔事，在不同公司不同部門不同產品會有不同挑戰，也跟聘的「工讀生」– 也就是 LLM 的能力跟成本有關。所以可能有 best practice 有原則，但不一定有統一的解法