AI Agent 怎麼「思考」？拆解背後的運作原理

你有沒有試過，把一件事交代給別人之後，就開始好奇：他現在腦袋裡到底在想什麼？ 😂

比如你請一個朋友幫你訂餐廳，說：「找一間不太貴、環境不錯、有素食選項的餐廳，這週五晚上可以訂位的。」然後他說「好」，就拿起手機開始查了。

你看著他滑手機，但你不知道他到底查了什麼、排除了哪些選項、為什麼點開某個頁面又關掉。最後他給你一個答案，你說「好耶！」但你完全不知道中間發生了什麼事。

AI Agent 也是這樣。

你給它一個任務，它說「好，我來處理」，然後開始動。但它中間到底在做什麼？今天就來拆解這個黑盒子，看看 AI Agent 背後的「思考流程」。

這是 Claude Cowork 打造 AI Agent 系列的第三篇，如果你還沒看過前兩篇，建議先從這裡開始：

• Claude Cowork — 當 AI 從「陪你聊天」變成「幫你做事」
• AI Agent 到底是什麼？跟 ChatBot 差在哪？

今天要聊的：

• 為什麼 AI Agent 的「思考」跟 ChatBot 不一樣
• Agent 的思考循環：想 → 做 → 看結果
• 用「交代助理辦事」來具體理解這個流程
• 在 Cowork 裡看到實際的思考過程

ChatBot 的「思考」只有一個回合

在上一篇，我們說 ChatBot 的模式是：你問 → 它答 → 你再問 → 它再答。

從「思考」的角度來說，ChatBot 每次都是一次性的推理。你給它一個輸入，它根據這個輸入產出一個回答，然後就結束了。沒有中間步驟，沒有自己去查資料，沒有「嗯，這樣不行，換個方向試試看」。

就像你問路人「車站怎麼走」，路人根據他腦袋裡現有的知識告訴你方向，說完就走了。他不會幫你確認那條路今天有沒有在施工，也不會幫你查備用路線。

AI Agent 不一樣。它會持續地思考、行動、再思考，直到把任務完成。

AI Agent 的思考循環：想 → 做 → 看結果

這個循環有個學術名字叫做 ReAct（Reasoning + Acting），但我們不用記這個英文，理解概念就好。

整個流程就三步：

第一步：想（Thought）

Agent 先想：「我現在的狀況是什麼？我需要做什麼？我該怎麼做到？」

這不是一次就想好所有事情。而是在每個節點上，根據目前掌握的資訊，決定下一步要做什麼。

第二步：做（Action）

Agent 根據剛才的思考，採取一個行動。通常是使用某個工具——搜尋網頁、讀取檔案、執行指令、計算數字，等等。

注意，它每次只採取一個行動，然後等待結果。

第三步：看結果（Observation）

工具執行完之後，結果回來了。Agent 看到這個結果，然後重新回到第一步：「好，現在我知道了這個，接下來應該怎麼辦？」

然後繼續：想 → 做 → 看結果 → 想 → 做 → 看結果⋯⋯直到任務完成。

用「交代助理辦事」來理解

讓我們把這個循環套回我們熟悉的場景。

你跟助理說：「幫我找一個這週五可以訂位的素食友善餐廳，預算中等，環境不錯，整理成一份選項給我。」

助理的思考過程大概是這樣:

💭 想：我要找素食餐廳，先去搜尋台北的素食餐廳評價。

🔧 做：搜尋「台北 素食餐廳 推薦 2026」

👀 看結果：找到一堆結果，有10家評價不錯的。

💭 想：現在有10家候選，但我要篩出「預算中等、環境不錯」的，去看一下他們的價位和評論。

🔧 做：逐一查看各家餐廳的菜單和評論

👀 看結果：3家符合條件。

💭 想：還要確認這週五可以訂位，打電話問或是查官網。

🔧 做：查看各餐廳的訂位系統

👀 看結果：2家可以訂位，1家週五客滿了。

💭 想：好，現在有2個可以推薦的選項，來整理成一份清單給老闆。

🔧 做：寫出推薦清單，附上各家特色、價位範圍、訂位方式。

✅ 完成：交給你。

你看到的只是最後那份清單，但中間助理跑了好幾個循環：搜尋 → 篩選 → 確認 → 整理。每一步的結果都影響下一步要做什麼。

AI Agent 的運作方式，就是這樣。

在 Cowork 裡，你可以直接看到這個過程

這就是 Claude Cowork 最有趣的地方之一：Agent 的思考過程是透明的。

當你交給 Cowork 一個任務，它不是直接給你答案，而是把每一個「想 → 做 → 看結果」的步驟都顯示出來：

• 「我需要先讀取這個資料夾裡有哪些檔案」→ 讀取 → 「好，我看到了 23 個 .md 檔」
• 「接著我要分析每個檔案的日期」→ 逐一讀取 → 「好，找到了日期格式不一致的問題」
• 「我來把格式統一好」→ 逐一修改 → 「修改完成，共處理了 18 個檔案」

你全程都能看到它在做什麼，也能隨時插嘴說「不對，這樣不行，改成這樣做」。

從圖中可以看出，Cowork 在最後回答之前，先去檢查資料夾結構、讀了我以前的文章、上網搜尋收集資訊，最後才完成我的任務。這就是「想 → 做 → 看結果」的循環在現實中跑起來的樣子。

這種透明度有兩個好處：

1. 你知道它在做什麼，不用擔心它偷偷做了你不想要的事
2. 出錯了你能馬上發現，不用等到最後才發現方向跑掉了

為什麼這個循環很重要？

你可能會問：這種「一步一步來」的方式，比不上直接給答案快啊？

沒錯，一次性的問答確實比較快。但問題是：有很多任務，沒有辦法一次性完成。

比如「幫我整理這個月的工作筆記，找出還沒完成的待辦事項，整理成一份清單」——要做到這件事，Agent 必須先讀你的筆記、理解內容、判斷哪些是未完成的、再整理成清單。每一步都需要上一步的結果。

這就是為什麼 ChatBot 做不到 Agent 能做的事：ChatBot 只有一個思考回合，沒有「根據中間結果調整計劃」的能力。

而這套 Agent 工作流程，讓它能夠：

• 處理多步驟的複雜任務
• 根據實際結果調整方向
• 在中途遇到問題時自己想辦法

一個小提醒：Agent 也會想錯

講到這裡，我要誠實說一件事：Agent 的思考不是完美的。

有時候它對任務的理解會有偏差，或者中間某個工具回傳了奇怪的結果，它就走歪了。這也是為什麼「透明的思考過程」那麼重要——你能看到哪個環節出了問題。

就像你找的助理也有可能理解錯你的需求，或者查到了錯誤的資訊。這時候你要做的不是直接叫他重來，而是看看是哪一步出了問題，然後給他更清楚的指引。

所以在用 Cowork 的時候，偶爾看一眼它在做什麼，是個好習慣。

結語

今天我們拆解了 AI Agent 的運作原理與思考方式：

• 它不是「一問一答」，而是不斷循環「想 → 做 → 看結果」，直到完成任務
• 每一步的結果都影響下一步的決策
• 在 Cowork 裡，你可以直接看到這個思考過程，而不是只看到最終答案

理解這個循環，可以幫助你更好地跟 AI Agent 協作——知道它在做什麼，也知道哪裡可以介入指引它。

這是 Claude Cowork 打造 AI Agent 系列的第三篇。下一篇我們要聊的是：Skill 是什麼？讓 AI Agent 從通才變專家 — 也就是說，怎麼給你的 Agent 準備一份 SOP，讓它每次都能按照你想要的方式做事。

希望以上的內容對大家有一丁點兒的幫助，掰掰～👋