Agent 正在重塑 AI 產品的型態，但許多產品經理對其核心模組仍缺乏系統認知。本文將 Agent 簡化為四大組件：大模型作為大腦、規劃模組制定策略、記憶系統保留上下文、工具整合為執行手段，並深入剖析每部分的設計要點與產品決策邏輯，幫助 PM 從底層理解如何建構真正能解決問題的智能體。

2026年有兩個詞快被說爛了。一個是AI，一個是Agent。

所有人都在喊Agent是未來。但很多PM其實說不清楚：Agent到底由哪幾塊組成？該管哪塊、不該管哪塊？

今天用最簡化的方式，把Agent拆開，幫助你理解。

Agent到底是什麼？一句話：Agent = 大模型 + 規劃 + 記憶 + 工具。大模型是腦子，負責理解與生成。規劃決定先做什麼後做什麼。記憶讓它記住上下文。工具是它的手腳，能上網搜尋、讀寫檔案、呼叫API。

沒有這四件套，AI就是個只會聊天的聊天框。加上它們，AI才能替你辦事。

PM不需要寫程式碼，但必須知道每個區塊做什麼、怎麼設計。

先說規劃模組

大模型很聰明，但它不會自己分步驟。你跟它說「幫我搬家」，它不知道要先打包箱子、再叫搬家公司、最後打掃衛生。必須有人給它搭框架。

這就是規劃做的事。常見的兩種模式。

一種是ReAct模式。每做一步，先思考，再行動，再觀察結果，再思考下一步。像人一樣邊做邊想。適合不確定的任務。比如「幫我排查為什麼用戶登入失敗」，代理(Agent)先查日誌、發現報錯、再查資料庫、找到原因。每一步都在根據上一步的結果決定。

另一種是 Plan-Act 模式。先把所有步驟列出來，再一口氣執行。適合流程明確的任務。比如「部署一個部落格網站」，先檢查環境、裝依賴、拉程式碼、建構、啟動。全排好再跑。

PM 在這塊能做什麼？決定你的 Agent 走哪種模式。如果是客服 Agent，使用者問題千奇百怪，適合 ReAct，一步一步追問和排查。如果是自動週報 Agent，流程固定，適合 Plan-Act，一次性跑完。你不需要寫演算法，但你需要定義 Agent 的「思考策略」。

再說記憶模組

Agent 跟普通聊天框最大的區別是它得記住東西。你說「上次幫我查的那個訂單」，它要知道「上次」是哪次、「那個」是哪個。

記憶分三層。最短的一層叫工作記憶，就是當前這輪對話。你剛說的事它記得。中間一層叫短期記憶，這一個會話裡做過什麼，它能回溯。最長的一層叫長期記憶，跨會話記住了。比如你的偏好、你的項目結構、你三個月前做過什麼改動。

這三層分別管不同的問題。工作記憶管「我現在在幹什麼」，短期記憶管「我今天幹了什麼」，長期記憶管「我以前幹過什麼」。

PM在這塊能做什麼？定義什麼該記住、什麼該忘。電商Agent要記住用戶的歷史訂單和偏好，但你不需要記住他每次搜了又沒買的東西——那是噪聲。新聞推薦Agent要記住用戶看過的類別，但三天前的舊聞不該再推——那是過時信息。

記憶不是你存得越多越好，是你該存的都存了、不該存的全扔了。這個判斷，PM來定。

最後說工具模組

沒有工具，Agent就是個空談。你說「幫我訂張機票」，它能回答得很專業——但實際上什麼都沒訂。它需要有工具：搜尋航班、比價、下單。

每個工具必須被嚴格定義。叫什麼、做什麼、輸入什麼參數、輸出什麼結果、什麼情況下不能調用。比如一個查天氣的工具：叫get_weather，輸入城市名，輸出溫度和天氣描述，每小時最多調用一次。越清楚越好。

還得定調用規則。一個工具失敗了怎麼辦？是重試、是換個工具、還是直接跟使用者說「我不行」。多個工具能不能同時調？能同時讀三個檔案就同時讀，別一個一個來，省時間。哪些操作需要使用者確認？刪檔案、發郵件、付錢——這些必須彈確認框，Agent不能自己決定。

PM在這塊能做什麼？定義Agent需要哪些工具、每個工具的使用邊界和失敗處理。你不實作工具，但你決定Agent能做什麼、不能做什麼。

四件套講完了。對PM來說，你不需要會寫程式碼，但你必須能回答四個問題。

1. Agent怎麼思考？走ReAct還是Plan-Act，你決定。
2. Agent記住什麼？哪些資訊長期存、哪些用完就扔，你決定。
3. Agent能用什麼？需要哪些工具、邊界在哪，你決定。
4. Agent做錯了怎麼辦？失敗了重試還是降級，你決定。

這四個問題答清楚了，你就不是在看Agent的熱鬧，而是在設計Agent的門道。