AI 代理人是什麼？從 ChatGPT 到會自己動手的 AI，細說 AI 進化史

前言

AI 代理人（AI Agent）指的是一種會自己動手的 AI：你給它一個目標，它自己決定下一步要做什麼、自己去叫工具（查資料、開網頁、寄信、改試算表），做完再檢查結果。

這篇文章會用一條時間線整理 2022 年底到 2026 年 AI 代理人的七個重大進步、每一步多了什麼能力，最後看三份報告怎麼講未來趨勢。

AI 代理人從 2022 年只會回答的 ChatGPT，進化到 2026 年會自己動手完成工作的時間線示意 — AI 代理人的進化，關鍵是從「會回答」變成「會動手」

AI 代理人是什麼

新聞裡的「AI 代理人」、廠商簡報上的「AI 代理」、工程師嘴裡的「Agent」，講的是同一種東西。它跟聊天機器人的差別只有一個：拿到目標之後，下一步要做什麼是它自己決定的，你不用一步一步告訴它。

AI 代理人、AI 代理、AI Agent 三種叫法

三個詞在台灣是這樣分工的。媒體寫新聞用「AI 代理人」，因為讀者看得懂「代理」兩個字是「替你出面做事」；廠商的產品頁多半寫「AI 代理」或直接寫英文 Agent，因為產品名稱要跟國外對齊；工程師之間就講 Agent，不翻譯。搜尋的時候三個詞會混在一起出現，Google 也把它們當同一件事處理，所以不用糾結哪個才是正式名稱。

另外有一個容易搞混的詞叫 Agentic AI（代理式 AI），它講的是「有代理能力的 AI」這個大方向，比較像形容詞；AI 代理人講的是一個一個具體的程式。廠商在簡報裡常把兩個詞交替用，看到的時候知道是在講同一個方向就好。

會自己決定下一步的 AI

你叫 ChatGPT「幫我看一下這份輿情報告有沒有負評」，它會讀你貼進去的內容然後回答。你叫 AI 代理人做同一件事，它會自己去信箱找那封報告、打開附件、逐條判斷、把負評寫進試算表，做完回你一句「今天有三條，最嚴重的是這條」。中間開信箱、開附件、寫表格這些動作，你沒有教它每一步，它是照著「找出負評」這個目標自己排出來的。

能做到這件事需要三樣東西：一個會推理的模型當腦、一組它能呼叫的工具當手、一個記得前幾步做了什麼的記憶。這三樣的細節（每一樣怎麼設計、用什麼工具做）我在另一篇拆過，這篇不重複。

📖 延伸閱讀：AI Agent 教學：四個元件，組出會自己做事的 AI

從 ChatGPT 到 AI 代理人的時間線

下面這張圖是我整理的七個重大進步。每一步都是 AI 多了一種「碰到外面世界」的能力：先是能叫工具，再來能看螢幕，然後工具的接法統一，接著變成一般人帳號裡就有的功能，最後是長任務做得準、還能分身同時做。

AI 代理人的七個重大進步，2022 年 11 月到 2026 年 2 月

2022 到 2023 年的 AI 只會回答

2022 年 11 月 30 日 ChatGPT 上線的時候，它能做的事只有一件：你打字，它回字。它碰不到你的信箱、看不到你的網頁、不能幫你按任何按鈕。那時候所有「用 ChatGPT 自動化」的做法，都是人自己把資料貼進去、再把答案貼出來，中間的搬運全是人工。

AutoGPT 跑得起來卻跑不完

2023 年 3 月底，一個叫 AutoGPT 的開源專案在 GitHub 上爆紅。它的做法是把 GPT-4 包在一個迴圈裡：你給它一個目標，它自己拆成小任務、自己執行、自己看結果再決定下一步。這是第一次有東西長得像今天講的 AI 代理人。多數人跑過之後的結果差不多：它會在同一個步驟繞圈、會把簡單的事拆成二十步、跑一個小時燒掉幾美元然後告訴你它做不到。

AutoGPT 的價值在於讓所有人看見「AI 自己跑迴圈」這個畫面，也讓所有人看見它為什麼跑不完：模型不知道什麼時候該停、叫工具的格式不穩定、記不住自己十步前做過什麼。後面三年的進步，幾乎都是在解這三個問題。

Function Calling 讓模型穩定叫工具

2023 年 6 月 13 日，OpenAI 推出 Function Calling（函式呼叫，讓模型用固定格式說「我要叫哪個工具、帶什麼參數」）。在這之前，要讓模型叫工具得靠提示詞求它照格式輸出，十次裡總有一兩次格式跑掉、整條流程就斷。有了 Function Calling 之後，模型會回一段結構固定的資料，程式可以放心接。

對一般使用者來說，這一步當時感覺不到，因為它是給開發者用的。但 n8n、Zapier 這些工具能在 2024 年把「AI 節點」做得可靠，底層靠的就是這個。它在時間線上最不起眼，後面每一步都靠它。

📖 延伸閱讀：AI 為什麼能查資料、寄信、操作資料庫？Tool Calling 運作原理一次看懂

2024 年 AI 開始碰得到外面的東西

2023 年的代理人只能叫「你事先寫好的」工具。2024 年下半年發生的兩件事，讓它能碰到沒有事先準備好的東西：一個是直接看螢幕操作電腦，一個是工具的接法有了統一標準。

Computer Use 看螢幕操作電腦

2024 年 10 月 22 日，Anthropic 發布 Computer Use：Claude 可以截圖看你的螢幕、移動滑鼠、打字、點按鈕，像人一樣操作沒有 API 的軟體。當時官方公布在 OSWorld（一套用真實電腦操作任務測 AI 的評測）的成績是 14.9%，人類是 72.36%。數字很低，但它證明沒有 API 的老系統也能交給代理人去點。

幫客戶接系統的時候，最麻煩的一直是那些只有網頁後台、沒有 API 的平台。Computer Use 出來之前，這種平台只能請人工去點；出來之後可以交給它點，但人得在旁邊看。到 2026 年，人還是得在旁邊看。

MCP 把工具接法統一

2024 年 11 月 25 日，Anthropic 開源 MCP（Model Context Protocol，模型上下文協定，一套讓 AI 跟外部工具溝通的共同規格）。在 MCP 之前，每一個 AI 產品要接 Google Drive、接資料庫、接你的內部系統，都得各自寫一套接法；MCP 之後，工具那邊寫一次，所有支援 MCP 的 AI 都能用。

這一步對代理人的意義是「手」變多了。我現在的工作環境裡，Claude Code 同時接著 n8n、Google Search Console、Google Drive、本機的圖片生成工具，全部走 MCP。2024 年初要做到同樣的事，每一條都得自己寫串接。

📖 延伸閱讀：MCP 是什麼？讓 Claude 直接操作你的Figma和n8n

2025 年代理人變成一般人買得到的產品

2024 年為止，要用 AI 代理人你得會寫程式，或至少會用 n8n 這類工具把它組起來。2025 年的變化是廠商把組好的代理人直接放進一般人的訂閱方案裡。

Operator、Deep Research 與 Agent 模式

2025 年 1 月 23 日 OpenAI 推出 Operator，一個會自己開瀏覽器幫你訂餐廳、買東西的代理人；2 月 2 日推出 Deep Research，你丟一個題目，它自己查幾十個網頁、花十幾分鐘寫一份帶引用的報告；7 月 17 日兩者合併成 ChatGPT 的 Agent 模式，付費帳號打開就能用。

這三個產品放在一起，代表的是代理人第一次不需要使用者懂任何技術。Deep Research 對寫文章這件事影響最直接：先丟給它跑一輪，再自己去核對它引的來源有沒有寫錯。核對這步不能省，它會把來源的數字記錯。

代理人進到瀏覽器

2025 年 8 月 26 日 Anthropic 推出 Claude for Chrome 擴充功能，10 月 21 日 OpenAI 推出自己的瀏覽器 ChatGPT Atlas，兩家都把代理人放進你每天在用的瀏覽器裡，讓它能直接操作你已經登入的網站。同一個月 Anthropic 推出 Skills，讓你把一套做事的 SOP 寫成檔案，代理人遇到對應的任務就自己載入來用。

📖 延伸閱讀：Agent Skills 是什麼？SKILL.md 怎麼寫、跟 MCP 差在哪

瀏覽器這一步同時帶來時間線上第一個大規模的資安討論：代理人在你登入的狀態下操作網站，網頁裡藏的指令（這類攻擊叫 prompt injection，提示詞注入，把惡意指令藏在網頁文字裡騙 AI 執行）就有機會讓它做你沒要它做的事。兩家在發布時都花了一半篇幅講防護，2023 年 AutoGPT 那時候沒人想過這件事。

2025 年底到 2026 年，代理人多了兩種能力，也碰到邊界

2025 年 10 月之後到 2026 年 9 月，沒有哪一天出現像 Computer Use 那樣的單一事件，但代理人多了兩種 2024 年沒有的能力：長任務做得準了，還能分身同時做好幾件。同一段時間，它的邊界也第一次被量出來。

能精準做長任務

OSWorld 這套用真實電腦操作任務測 AI 的評測，人類的成績是 72.36%。2024 年 10 月 Computer Use 剛出來是 14.9%，2025 年 9 月 Claude Sonnet 4.5 到 61.4%，2025 年 12 月第一次有代理人超過人類，72.6%，2026 年領先的系統已經在 82% 到 86% 之間。同一套題目，兩年從七分之一到超過人。

任務長度也在拉長。METR（一個獨立的 AI 評測機構）量的是「人要花多久做的工作，AI 能不能做完」。2026 年 1 月更新的資料裡，人要花半天做的工作，交給最新的模型有一半機率做得完，而且這個長度從 2024 年起每三到四個月翻一倍，比他們 2025 年初估的七個月快一倍。

我自己的體感對得上：2024 年讓代理人跑一個十分鐘的任務就會歪掉，2026 年 Claude Code 一個任務跑幾個小時是日常。

能分身同時做多件事

2025 年 7 月 Claude Code 加入子代理人（一個主代理人把工作派給幾個小的，各自做完回報），2026 年 2 月 5 日隨 Claude Opus 4.6 推出 Agent Teams（代理人小隊，幾個代理人平行跑、彼此傳話、共用一張任務清單）。差別在於任務不用再排隊：改一個網站，一個代理人查資料、一個改頁面、一個跑測試，同時進行。

這個能力直接改變了人的工作方式。我自己的順序是 2025 年用 Cursor 在編輯器裡讓 AI 補程式，後來大部分工作搬到 n8n 用節點組流程，2026 年起這個網站的改版幾乎全部是 Claude Code 在改，我做的事是講清楚要什麼、看它改完的結果、決定要不要收。人的工作從「寫」變成「驗收」，這是 2024 年還沒有的分工。

📖 延伸閱讀：Claude Code 教學：安裝、費用到資料安全一次搞懂

代理人的效能邊界

METR 同一份資料還有另一個數字：要它十次做對八次，它能接的是人做一小時的工作；只要求做得完就好、對錯一半一半，它能接人做半天的工作。中間差十倍，這十倍就是邊界。代理人能做很長的事，但你要它八成以上做對，它能做的事就短很多。

邊界的形狀看的是「結果能不能自動驗證」，跟任務長短關係不大。寫程式有測試可以跑，改錯了測試會紅，所以敢放它跑幾小時；判斷一則貼文是不是負評沒有測試，它九成時間是對的，但你不知道是哪一成錯，所以我的輿情流程到現在還是每天看一眼。

第二條邊界是錢。單價在降，但用量漲得更快。Gartner 在 2026 年 8 月 17 日發布的預測是每條代理人工作流的推論成本到 2028 年會漲超過五倍，理由是代理人每個決定都要多跑幾次模型，任務越複雜、繞的圈越多。越靠近第一條邊界的任務，燒錢越快。

同一件工作在 2023、2024、2026 年怎麼做

我幫一個甜點電商客戶跑的輿情整理是最好的對照。他們訂了一份輿情日報，每天下午信箱會收到一封附件，裡面是當天社群上提到品牌的幾十則貼文，要的答案只有一個：今天有沒有負評、哪一條要處理。這件事在三個時間點各是這樣做的：

做法	2023 年：手動貼給 ChatGPT	2024 年：n8n 固定流程（現在還在跑）	2026 年：交給代理人（部分）
誰開信箱	人	n8n 每天 15:00 自動抓	代理人自己抓
誰判斷負評	ChatGPT，但要人一段一段貼	模型節點逐條分類，規則寫死	代理人逐條判斷，遇到不確定的會自己翻原文
誰寫進表格	人	n8n 自動 append	代理人自動寫
出錯時	人當場看到	寫入失敗會重試三次，還是失敗就通知我	它會自己重試，但重試幾次、失敗了誰知道，要另外設計
每天人要花的時間	約 20 分鐘	0，出事時才看	0，但我還是每天看一眼它的判斷

2024 年那一欄兩年來出過的事都很具體：模型服務的每分鐘額度只有 6000 個 token，一次餵超過十則貼文就整條掛掉；Google Sheets 偶爾回 503，整批資料沒進表；一次補多天的資料，連結全部掉成純文字。這些問題全出在接在 AI 外面的東西，跟 AI 聰不聰明無關。

2026 年那一欄我只交了一部分出去，理由是它做錯的時候我不一定知道。固定流程做錯會停下來、會報錯；代理人做錯的時候會很有信心地繼續往下做。要讓它獨立負責，得先把「它怎麼知道自己錯了」這件事設計好，而這件事到 2026 年還沒有標準做法。

進步裡哪些是真的，哪些是行銷

每年都有人說今年是 AI 代理人元年，2023、2024、2025 都說過。分辨的方法是看有沒有公開的、別人可以重跑的數據。

看數字不看發布會

上一節的 OSWorld 跟 METR 是兩組，第三組是價格：2023 年 GPT-4 每百萬個輸入 token 收 30 美元，2026 年主流模型多半在 1 到 3 美元之間，2026 年 9 月 Claude Fable 5.1 又把快取讀取（重複讀同一段內容的收費）降到前一代的四分之一。

代理人每做一步都要把前面的步驟重讀一遍，價格降比模型變聰明更能決定它跑不跑得起來。這三組數字別人都可以重跑，發布會上講的「更聰明、更自主」沒有一個可以。

把模型變聰明包裝成代理人變強

行銷最常用的一招是把「模型答得更好」講成「代理人變強」。答得更好是腦的事，代理人強不強看的是手跟記憶：能不能叫到工具、叫錯了會不會發現、記不記得自己做過什麼。看到一個新的代理人產品，先問這三個問題，多數宣傳會在第二個問題卡住。

AI 代理人的未來趨勢

三家立場不同的機構今年各發了一份數字：Stanford 是學術單位、Deloitte 做企業調查、Gartner 做產業預測。

三份報告各自看到什麼

來源	日期	數字	代表什麼
Stanford AI Index 2026	2026-04-13	代理人在真實任務評測（Terminal-Bench）的成功率，一年從 20% 到 77.3%；做家事類實體任務只有 12%	能力在螢幕裡進步很快，出了螢幕還很慢
Deloitte 代理人轉型調查	2026-08-12	只有 15% 的企業做到跨部門的多代理人協作；5% 說自己的流程「準備好了」；70% 不覺得能信任跟管住代理人；67% 說整合太貴太複雜	技術跑在前面，公司的流程跟治理跟不上
Gartner	2025-06-25	2027 年底前，超過 40% 的代理人專案會被取消，原因是成本失控、看不到價值、風險管不住	一半會死在上線之後
Gartner	2026-08-17	每條代理人工作流的推論成本到 2028 年漲超過五倍	誰能讓代理人少繞圈，誰的成本就低

三份放在一起的結論

能力那邊 Stanford 量到的是夠了，公司這邊 Deloitte 量到的是多數還沒準備好，兩邊的落差就是 Gartner 那個四成。接下來三年決定代理人成敗的是流程跟治理，模型排在後面。對想開始用的人來說，該先想清楚的是它做錯的時候你怎麼知道、它花的錢你怎麼看得到。

常見問題 FAQ

Q1：AI 代理人跟 ChatGPT 是同一個東西嗎？

ChatGPT 是一個產品，AI 代理人是一種能力。2025 年 7 月之後 ChatGPT 裡面有 Agent 模式，打開它 ChatGPT 就會自己開瀏覽器做事，這時候它就是一個代理人；沒開的時候它是聊天機器人。同一個產品可以兩種都是，差別在你有沒有讓它自己動手。

Q2：為什麼每年都說是 AI 代理人元年？

因為每一年都真的跨過一個門檻：2023 年模型能穩定叫工具、2024 年能操作電腦、2025 年一般帳號就有代理人、2026 年長任務做得準還能分身。每個門檻都讓一群原本做不到的事變成做得到，所以每年都有人覺得「就是今年」。真正的分水嶺是 2023 年 6 月的 Function Calling，後面每一步都建在它上面。

Q3：不會寫程式的人現在能用 AI 代理人嗎？

可以，分兩種。要用現成的，ChatGPT 的 Agent 模式、Claude for Chrome 這類產品付費帳號打開就能用，適合一次性的任務（查資料、比價、填表）。要做一個每天自動跑的，用 n8n 這類工具拉節點就能組起來，不用寫程式，但要花時間學節點怎麼接。我幫客戶做的輿情、客訴、出貨流程全是 n8n 組的。

Q4：2026 年的 AI 代理人跟 2024 年差在哪？

差在三件事。2024 年只有開發者用得到，2026 年一般訂閱方案裡就有；2024 年每個工具要各自串接，2026 年多數工具支援 MCP 接一次就好；2024 年一個任務跑十分鐘就會歪，2026 年能跑幾個小時、還能分成好幾個同時跑。沒變的是可靠度：要它八成以上做對，能接的任務長度就縮到十分之一。

Q5：AI 代理人會自己亂做事嗎？

會，多數時候是它把你的意思理解錯了還是照做。我自己遇過把要「潤稿」的文字當成問題直接回答的狀況。所以只要代理人的動作會影響到外面（寄信、發文、下單、改客戶資料），中間一定要留一道人工核准：它先做完、放到 LINE 或試算表給人看過，人按了才真的送出。2026 年還沒有人能保證它不會理解錯，這道閘門省不得。

總結

AI 代理人從 2022 年只會回答的 ChatGPT，走到 2026 年會自己開信箱、開瀏覽器、寫表格的程式，七個重大進步全是 AI 多了一種能力：能叫工具、能看螢幕、接法統一、變成產品、進了瀏覽器、長任務做得準、能分身同時做。進步有 METR 跟 OSWorld 的數字可以查；沒解決的是它做錯時你不一定知道，任務越長成本漲越快。現在該做的是先把它做錯時你怎麼發現這件事設計好，然後從一件小事開始交給它。

如果你手上已經有一件每天重複、想交給 AI 代理人跑的事，可以看看我幫客戶實際上線的自動化案例，裡面每一條都寫了它是怎麼被監控的。