1.1 什麼是 Agent：Sense-Plan-Act 與理性代理（1950-1990）#

一、歷史背景：為何「Agent」概念會誕生？#

人工智慧這門學科誕生於 1956 年的達特茅斯會議（Dartmouth Conference）。當時麥卡錫（John McCarthy）、明斯基（Marvin Minsky）、香農（Claude Shannon）等人提出了一個大膽的假設：「學習的每個面向，或智慧的任何其他特徵，原則上都可以被如此精確地描述，以致於可以製造出一台機器來模擬它。」這個假設背後隱含著一個核心問題：

智慧不是靜態的知識，而是在環境中行動的能力。

早期的 AI 研究者很快意識到，一個只會「計算」而不會「行動」的程式，即使再聰明，也只是在解一道封閉的題目。真正的智慧系統必須能夠：

感知（Sense）：從環境中接收資訊；
思考（Plan/Think）：根據資訊做出決策；
行動（Act）：對環境施加影響，並觀察後果。

這個「感知—思考—行動」的閉環，就是 Agent（代理人／智慧體）概念的原型。Russell 與 Norvig 在經典教科書《Artificial Intelligence: A Modern Approach》（1995）中，把整本書的架構就建立在「理性代理（Rational Agent）」之上，可見 Agent 概念在 AI 學科中的核心地位。

為什麼當時需要這個概念？#

在 1950-60 年代，電腦主要被視為「計算器」：輸入資料、輸出結果、結束。但自動化控制的實際需求（導彈導航、工業流程控制、機器人）迫使研究者思考一個更通用的問題：

程式要持續運行，而不是跑一次就結束；
環境是動態且不可完全預測的，程式必須即時反應；
程式的目標是達成任務，而不僅僅是算出正解。

這三個需求定義了 Agent 與一般程式的根本差異。

二、Agent 的形式化定義#

2.1 數學模型#

一個理性代理可以用以下框架描述：

\[ Agent: \; \mathcal{P}(\text{感知歷史}) \rightarrow \text{行動} \]

也就是說，Agent 是一個從「感知歷史（Percept History）」到「行動（Action）」的函數：

\[ f: [o_0, o_1, \dots, o_t] \mapsto a_t \]

其中 \(o_t\) 是第 \(t\) 時刻的感知， \(a_t\) 是第 \(t\) 時刻採取的行動。

理性（Rationality） 的定義則依賴四個要素：

效能度量（Performance Measure）：什麼叫「做得好」；
感知序列：Agent 到目前為止知道的一切；
環境知識：Agent 對環境的內建知識；
可行動作：Agent 能執行什麼。

理性代理選擇的行動，是「在給定感知序列與內建知識下，期望效能度量最大化的行動」。注意這裡是期望值最大化——環境不確定時，理性的行動不等於結果最好的行動，這個區分在後世的強化學習與 LLM Agent 評估中依然極為重要。

2.2 PEAS 描述框架#

要設計一個 Agent，先要描述它的 PEAS：

要素	全名	說明	例：自動計程車	例：LLM Agent
P	Performance	效能指標	安全、快速、合法	任務完成率、正確性
E	Environment	環境	道路、行人、天氣	檔案系統、網頁、API
A	Actuators	執行器	方向盤、油門、煞車	function call、檔案寫入
S	Sensors	感測器	攝影機、雷達	使用者輸入、工具結果

PEAS 框架至今仍然是分析任何 Agent 系統（包括 2026 年的 Code Agent）的第一步。

三、環境的分類：Agent 設計的「地圖」#

Agent 的架構選擇，幾乎完全由環境性質決定。Russell-Norvig 給出的環境分類軸，至今仍是分析 LLM Agent 行為的工具：

完全可觀測 vs 部分可觀測：西洋棋是完全可觀測（棋盤全知），真實網頁是部分可觀測（Agent 只看到截圖或 DOM 的一部分）。部分可觀測性正是後世 Agent 需要「記憶系統」的根本原因。
單一 Agent vs 多 Agent：西洋棋是競爭性多 Agent；多 Agent 軟體工程（如後來的 AutoGen）是合作性多 Agent。
確定性 vs 隨機性：迷宮是確定的；瀏覽器操作是隨機的（頁面可能載入失敗、廣告彈出）。隨機性迫使 Agent 需要「重試與容錯」機制。
序列性 vs 片段性：西洋棋每步影響全域（序列性）；抓取網頁各任務互不影響（片段性）。序列環境中的錯誤會累積，這是長程任務的難點之一。
動態 vs 靜態：AI 規劃時世界暫停（靜態）；真實作業系統持續運行（動態），因此 Code Agent 在跑測試時環境可能已經改變。
離散 vs 連續：棋步是離散的；機器手臂控制是連續的。

flowchart TD
    E[環境性質分析] --> O{可觀測性}
    E --> D{確定性}
    E --> N{Agent 數量}
    O -->|完全| S1[簡單反射式 Agent]
    O -->|部分| S2[需要內部狀態模型]
    D -->|確定| S3[搜尋/規劃即可]
    D -->|隨機| S4[機率推理 + 策略]
    N -->|多 Agent| S5[需要協商/賽局理論]
    N -->|單 Agent| S6[自主規劃]
    S2 --> M[記憶與世界模型]
    S4 --> R[強化學習/重試機制]
    S5 --> G[多 Agent 系統 MAS]

因果鏈條：環境越接近「部分可觀測 + 隨機 + 動態 + 序列」，Agent 需要的內部機制就越多——記憶、規劃、容錯。LLM Agent 所面對的「作業系統 + 網際網路」環境，幾乎是這條光譜上最困難的一端，這也解釋了為什麼 1990 年代設計出的各種 Agent 架構，要等到 2022 年之後 LLM 成熟才真正能用。

四、Sense-Plan-Act：機器人學的經典閉環#

4.1 架構解析#

Sense-Plan-Act（SPA）模型源自 1960-70 年代的機器人學（如 Stanford Cart、Shakey the Robot），是第一個被廣泛採用的 Agent 架構：

Sense：感測器（攝影機、觸碰感測器）讀取環境，轉成符號表示；
Plan：在符號世界模型中搜尋一條從現狀到目標的行動序列；
Act：把行動序列交給執行器，一次執行完畢，然後重新感知。

sequenceDiagram
    participant E as 環境
    participant S as Sense 感知
    participant P as Plan 規劃
    participant A as Act 行動
    E->>S: 感測訊號（影像、距離）
    S->>P: 符號化世界模型
    P->>P: 搜尋行動序列 (STRIPS/A*)
    P->>A: 執行計畫第 1 步
    A->>E: 馬達動作
    Note over P,A: 傳統 SPA：整個計畫執行完才重新感知
    E->>S: （執行完後）重新感知

Shakey the Robot（SRI, 1966-1972）是 SPA 的代表作。它使用 STRIPS 規劃器，能夠規劃「推箱子到門邊」這類任務。STRIPS 的格式——前置條件（Preconditions）、刪除效果（Delete）、添加效果（Add）——至今仍出現在 LLM Agent 的「動作 schema」設計中（例如 OpenAI function calling 的參數描述），這是一條跨越五十年的技術血統。

4.2 SPA 為何失效？#

SPA 在結構化環境中表現尚可，但在真實世界中遭遇了災難性失敗：

符號接地問題（Symbol Grounding Problem）（Harnad, 1990）：符號「BOX-1」與真實世界中的箱子之間的對應，需要人類手工編碼，無法自動習得；
感知瓶頸：真實影像難以轉成乾淨的符號，雜訊會讓規劃器直接崩潰；
反應遲鈍：規劃耗時太長，等規劃完成，世界已經變了；
脆性（Brittleness）：任何未預料的情況（地面濕滑、燈光改變）都會導致整個計畫作廢。

這些失敗，直接引出了下一節將談的「行為主義革命」（Brooks 的 Subsumption Architecture，1986），也埋下了「Agent 必須具備對不確定環境的魯棒性」這一持續至今的設計原則。

4.3 早期程式碼範例：最小 SPA 迴圈#

用 Python 模擬一個迷宮中的 SPA Agent：

import random

class GridWorld:
    """5x5 迷宮，(0,0) 起點，(4,4) 目標，隨機障礙物"""
    def __init__(self, size=5, obstacle_ratio=0.15, seed=42):
        random.seed(seed)
        self.size = size
        self.agent_pos = (0, 0)
        self.goal = (size - 1, size - 1)
        self.obstacles = set()
        for _ in range(int(size * size * obstacle_ratio)):
            x, y = random.randint(0, size-1), random.randint(0, size-1)
            if (x, y) not in [(0,0), self.goal]:
                self.obstacles.add((x, y))

    def sense(self):
        """感知：回傳周圍四格是否可通行（部分可觀測）"""
        x, y = self.agent_pos
        percept = {}
        for dx, dy in [(0,1),(0,-1),(1,0),(-1,0)]:
            nx, ny = x+dx, y+dy
            if 0 <= nx < self.size and 0 <= ny < self.size:
                percept[(nx,ny)] = (nx,ny) not in self.obstacles
        return percept

    def act(self, pos):
        """執行行動；若撞到障礙則留在原地（環境的隨機性）"""
        if pos not in self.obstacles and self._in_bounds(pos):
            self.agent_pos = pos
            return True
        return False

    def _in_bounds(self, pos):
        x, y = pos
        return 0 <= x < self.size and 0 <= y < self.size

    def done(self):
        return self.agent_pos == self.goal


def plan_bfs(world):
    """在已知感知上做簡單的貪婪/BFS 規劃（此處簡化為貪婪）"""
    percept = world.sense()
    x, y = world.agent_pos
    gx, gy = world.goal
    candidates = sorted(percept.keys(),
                        key=lambda p: abs(p[0]-gx) + abs(p[1]-gy))
    return candidates[0] if candidates else world.agent_pos


def run_agent(max_steps=100):
    world = GridWorld()
    path = [world.agent_pos]
    for step in range(max_steps):
        if world.done():
            print(f"達成目標！共 {step} 步，路徑：{path}")
            return path
        target = plan_bfs(world)          # Plan
        if not world.act(target):         # Act（失敗則感知重來）
            print(f"第 {step} 步：碰撞，重新規劃")
        path.append(world.agent_pos)      # Sense 發生在下輪迴圈
    print("步數耗盡，任務失敗")
    return path

run_agent()

這個 40 行的玩具程式，已經包含了現代 LLM Agent 的所有要素：感知（sense）、決策（plan）、行動（act）、失敗重試。差別只在於：決策模組從「手工寫的貪婪策略」換成了「大語言模型」。

五、理性代理理論的深遠影響#

5.1 效能度量與獎勵函數#

理性代理的「效能度量」概念，直接催生了 1980 年代的強化學習框架。 Sutton 與 Barto 將其形式化為：

\[ G_t = \sum_{k=0}^{\infty} \gamma^k \, r_{t+k+1} \]

其中 \(G_t\) 是從時刻 \(t\) 起的累積折扣回報， \(\gamma \in [0,1)\) 是折扣因子。這個公式把「理性」變成了可優化的目標函數，是 AlphaGo 到 RLHF 一脈相承的數學基礎。

5.2 賽局理論與多 Agent 的種子#

1980 年代，Rosenschein 開始研究「理性協商」（Rational Negotiation），開創了分散式人工智慧（DAI）的研究，後來演變為多 Agent 系統（MAS）。這條線在第 6 章會完整展開。

5.3 知識表示與「意圖」層次#

1987 年，Georgeff 與 Lansky 提出 PRS（Procedural Reasoning System），引入 BDI 模型：

Belief（信念）：Agent 對世界的認知（可能錯誤）；
Desire（願望）：Agent 想達成的狀態集合；
Intention（意圖）：Agent 已承諾要去做的計畫。

BDI 模型承認：Agent 不可能瞬間做出最優決策，必須「承諾一個計畫並堅持一段時間」，否則會在反覆規劃中原地打轉。這個洞見在 LLM Agent 時代被重新發明——今天的 Agent 框架會把「任務清單」寫入記憶並持續維護，正是 Intention 的現代版。

flowchart LR
    B[Belief 信念<br>對世界的模型] --> D[Desire 願望<br>可達成的目標集]
    D --> I[Intention 意圖<br>已承諾的計畫]
    I --> A[行動執行]
    A --> B2[新觀察更新 Belief]
    B2 --> B
    style I fill:#ffe082

六、跨時代的對照表#

1980s 概念	2020s LLM Agent 對應物
Sense（感知）	Prompt 輸入、截圖、DOM、工具回傳值
Plan（規劃）	Chain-of-Thought、Plan-and-Solve、ToT
Act（行動）	Function calling、shell 命令、API 呼叫
符號世界模型	Context window、向量資料庫、記憶系統
效能度量	SWE-bench、AgentBench 等基準
BDI 的 Intention	TODO list / task list 的持續維護
STRIPS 的動作 schema	OpenAI/Anthropic 的 function calling JSON schema
部分可觀測環境	上下文長度限制 → RAG 與記憶壓縮

看懂這張表，就掌握了本書的核心論點：LLM Agent 不是憑空出現的新事物，而是把五十年來 Agent 理論中的「決策核心」換成了一個可訓練的通用推理機。架構的骨架——感知、規劃、行動、記憶、協作——全部來自這個時代。

七、本節重點#

Agent 的本質是「感知—決策—行動」的閉環；理性代理的定義是在給定感知與知識下最大化期望效能，而非追求結果最好。
PEAS 框架（效能、環境、執行器、感測器）是分析任何 Agent 系統的起點，對 2026 年的 Code Agent 依然適用。
環境的六個性質（可觀測性、確定性、Agent 數量、序列性、動態性、離散性）決定 Agent 需要的內部機制；LLM Agent 面對的是最困難的環境組合。
Sense-Plan-Act 與 STRIPS 是最早的完整 Agent 架構；其失敗（符號接地、脆性、反應遲鈍）教會我們：Agent 的瓶頸通常在「感知與世界模型」，而非「規劃演算法」。
BDI 模型的「意圖承諾」概念，預言了現代 Agent 框架中任務清單持久化的設計。
強化學習的折扣回報公式，是「理性」從哲學概念變成可優化目標的數學化里程碑。

八、思考問題#

把一個 2026 年的 Code Agent（如 Claude Code）用 PEAS 框架完整描述。它的「感測器」和 1980 年代機器人的感測器，本質上有何不同？
LLM Agent 的 context window 是有限制的，這對應環境分類中的哪一條性質？它引出了哪些補救技術？
「理性的行動不等於結果最好的行動」——請舉一個 LLM Agent 評估中的例子說明這句話。
BDI 模型中「堅持已承諾的計畫」與「及時根據新資訊改變計畫」是一對張力。現代 Agent 框架（如帶有 TODO list 的 Code Agent）如何在工程上處理這個張力？
若你替 Shakey the Robot 換上 2026 年的多模態 LLM 作為決策核心，SPA 架構的哪個環節會徹底改變？哪個環節問題依舊？