AI 主體是由人工智慧提供支援的電腦程式，可以代表人類使用者自主執行複雜的任務。
閱讀本文後，您將能夠：
複製文章連結
AI 主體是由人工智慧 (AI) 提供支援的電腦程式，即使沒有明確的指令，也可以自主執行任務以協助人類使用者。與聊天機器人等其他 AI 驅動的軟體不同，AI 主體能夠在特定提示語境之外自主運作。它們可以突破訓練資料的限制，「主動探索周圍環境」以搜集資訊。然後，它們能基於所獲取的資訊自主採取行動，以實現更宏大的目標。
AI 主體能夠自主進行決策，從過往經驗中學習，並據此調整行動。它們甚至能與其他 AI 主體協作，以取得相關資訊。雖然人類會為 AI 主體設定目標，但如何實現這些目標則完全由該主體自行規劃與執行。AI 主體可獨立運作，或在極少人類輸入的情況下完成任務。
AI 主體既能驅動硬體設備（如機器人系統），也能僅以純軟體形式運作。
AI 主體即為上面所描述的軟體程式：它們能自主進行決策並處理任務。自主式 AI 則是專注於開發 AI 主體的 AI 技術領域。（可將其類比為「生成式 AI」與個別大型語言模型（如 Microsoft Copilot）之間的差異，或是「烹飪」這一行為與某道特定餐點之間的差別。）
生成式 AI (GenAI) 是一種深度學習模型，可以根據提示產生內容。這是像 ChatGPT 這樣的 LLM 所屬的 AI 類別。自主式 AI 建立在 GenAI 之上。不同之處是，LLM 只能透過特定的使用者介面或 API 回應提示，而 AI 主體可以超出定義的上下文並在沒有提示的情況下執行動作。
大型企業的銷售主管可能會對大型語言模型 (LLM) 輸入提示：「撰寫一封電子郵件，寄給我們十大重要客戶，邀請他們參加晚宴。」然而，若使用自主式 AI，主管只需對 AI 主體下達指令：「邀請我們十大重要客戶參加晚宴。」換句話說，LLM 僅能生成文字內容，而 AI 主體則應能夠：自動產生邀請函文字；從 CRM 中篩選出十大重要客戶；向這些客戶傳送個人化的活動邀請郵件（前提是該主體獲得足夠的系統操作權限）。
AI 主體基於 LLM 建置。LLM 是一種 AI 模型，經過大量樣本資料集的訓練，使其能夠理解人類建立的內容並產生自己的內容。LLM 甚至可以理解不精確的人類提示和請求。
由於 AI 主體基於 LLM 建置，因此可以處理和解譯各種資料和內容，從使用者的對話請求到 Web 託管的影片內容等等，不一而足。AI 主體可以解釋多種媒體類型的內容：程式碼、文字、音訊、影片等。然後，它們可以使用從該內容中學到的知識來改進其動作。
此外，AI 主體具備與外界互動的能力。在機器人領域，這可能包括實體感應器與攝影機等裝置。而對於純軟體型態的 AI 主體而言，其互動方式則呈現多樣化形式：
這些超越 AI 主體自身環境界限的互動方式，使 AI 主體得以採取實際行動。組織可以為 AI 主體設立安全防護機制，確保其執行的動作符合規範——正如人類使用者在 IT 環境中僅擁有限制的操作權限一般。除了將政策程式設計到 AI 主體中，組織還可採用「人機協作」模式：由人類驗證 AI 主體回應的準確性，或核准其擬執行的具體行動。
AI 主體也可以學習，使用過去動作的結果和人類使用者的輸入來改進其未來的動作。它們具備「記憶能力」，不僅僅是 RAM 的計算意義，還有記住過去的互動和結果這一層面。這種學習透過稱為資料飛輪的回饋迴圈進行：底層模型使用主體互動的記錄來改善未來的效能。
AI 主體主要有兩種類型：
還有單一主體和多主體系統。單一主體 AI 系統僅基於一個模型建置。多主體 AI 系統結合了多個主體的功能，這些主體相互諮詢來解決問題。
與傳統聊天機器人一樣，自主式 AI 聊天機器人能夠與人們進行對話互動。但是，自主式 AI 聊天機器人可以脫離其聊天機器人上下文（離開聊天），代表與之互動的人採取動作。傳統的聊天機器人或許能夠提供有關提交支援工單的說明，而自主式 AI 聊天機器人將能夠自行提交工單。
非自主式 AI 聊天機器人是反應式的，會根據其訓練資料回應使用者的提示。它們可能仍由 LLM 提供支援，但它們更擅長為使用者提供有用的內容或指示，而不是代表使用者執行動作。自主式 AI 聊天機器人能夠在與使用者互動範圍之外採取動作，也可以從訓練資料之外的一系列來源中學習。
Cloudflare 開發人員平台提供建置和部署 AI 支援的主體所需的所有工具，這些工具可以：
此外，可以人員可以利用 Cloudflare 的全球網路建置 AI 主體，其程式碼在靠近終端使用者的全球任何地方執行。瞭解如何開始在 Cloudflare 上建置 AI 主體。
AI 智慧體是一種由人工智慧驅動的電腦程式，能夠自主地為人類使用者執行複雜任務，甚至無需明確指令。與其他 AI 軟體（例如聊天機器人）不同的是，AI 智慧體能夠超越特定提示語境的限制，獨立尋找資訊並採取行動，以實現更廣泛的目標。
AI 智慧體建立在大型語言模型 (LLM) 基礎之上，能夠處理與解讀多種類型的資料，包括對話請求與網路託管內容。它們可以透過應用程式設計介面 (API) 與外部應用程式互動，模擬人類使用者與網頁應用程式的互動行為（例如填寫表單、閱讀網頁），並透過諸如模型上下文通訊協定 (MCP) 等新興標準連接各種工具。這些能力讓它們能夠在自身直接環境之外採取行動。此外，AI 智慧體透過「資料飛輪 (data flywheel)」回饋迴圈，利用過往互動記錄與人類輸入，來學習並最佳化未來的行動。
AI 智慧體是能夠自主做出決策並處理任務的實際軟體程式。自主式 AI 是指專注於建立這些 AI 智慧體的 AI 開發領域。
生成式人工智慧 (GenAI) 包括像 ChatGPT 這類 LLM，其設計目的是根據提示來產生內容。自主式 AI 建立在 GenAI 之上，但更進一步，讓 AI 智慧體在定義好的上下文之外執行動作，甚至無需直接提示。例如，LLM 可以產生電子郵件草稿，而 AI 智慧體還可以找到客戶資訊並傳送個人化電子郵件。
AI 智慧體主要可分為兩種類型：背景智慧體與表面智慧體。背景智慧體負責處理例行性任務，與使用者互動極少，類似於維護人員。表面智慧體則像櫃台服務人員，會更直接地與人類使用者互動，協助他們處理各種任務。此外，系統可以是單一智慧體（使用單一模型），也可以是多重智慧體（結合多個智慧體共同合作以解決問題）。
自主式 AI 聊天機器人是一種對話式 AI，不僅能與使用者互動，還能代表使用者在聊天情境之外執行行動，與傳統聊天機器人可能僅提供指示不同，自主式 AI 聊天機器人可以直接執行動作，例如提交支援工單。
非自主式 AI 聊天機器人是被動反應式的，主要根據其訓練資料提供資訊或指引，即使它是由 LLM 驅動。然而，自主式 AI 聊天機器人則能主動發起並完成超出使用者當下互動範圍的動作，並且能從更廣泛的真實世界資料中學習，而不僅限於初始訓練資料。
Cloudflare 開發人員平台提供了一系列工具，用於建置與部署能夠自主執行任務、即時通訊、與 AI 模型互動、瀏覽網頁、查詢資料庫，並支援人為監督的 AI 智慧體。Cloudflare 的全球網路也能讓 AI 智慧體的程式碼在靠近全球各地終端使用者的位置執行，實現高效部署。