大語言模型
學習地圖

AI 助手如何把事情做完?

先看每個名詞的位置,再看它們如何一起工作。從一個問題開始,想深入時再展開。

點問題展開細節;點名詞,閱讀對應介紹。

以 LLM 為核心
的 AI 助手依任務組合這些能力

這是概念的分類,不是必備清單。AI 是更大的領域;這裡聚焦使用 LLM 的系統,有些任務一次問答就能完成。

看六個分支的完整圖片
AI 助手的六個分支:模型、上下文、資料、工具、控制與品質。

開啟心智圖圖片

例子:把報名表變成人數圖

任務是統計各場次的有效報名人數,再製圖。先說好完成條件:排除取消紀錄、總數一致、圖表標示清楚。

數位乩童|Agent 架構總覽1:34 · 點開觀看

用一張符籙串起模型、提示詞、工具、人工確認與循環。

看完想一想:模型、程式、工具和人,分別負責什麼?

影片使用生活比喻,正式概念請搭配網頁圖解;片中的數字、引言與產品例子應依原始來源及日期核對。

閱讀對應概念與圖解 → · 查看完整系列

準備 Context 後由模型提出請求;通過檢查才執行工具,完成便交付,尚未完成且可繼續則回圈,無法繼續就暫停詢問。
長方形是操作,菱形是判斷;沿著標示看下一步。開啟完整圖片
逐步閱讀:操作、相關名詞與原流程
  1. 準備這一輪的資料

    Prompt、報名表與規則 → Context

  2. LLM 判斷下一步

    提出 Tool Calling 請求,例如統計人數。

  3. 程式先檢查請求

    格式與 權限 都符合?需要時先請人確認。

  4. 工具 實際執行

    計算、製圖,回傳結果或錯誤。

  5. 更新資訊,核對是否完成

    結果帶回 Context,再對照 完成條件。

  6. 達標後交付結果

    文字、Graphic 圖表,或可操作的介面。

工具結果會帶回 Context;未完成時,就回到「LLM 判斷下一步」,繼續這個 Agent Loop。

停下來,也是流程的一部分。遇到權限阻擋、反覆失敗或超出步數、時間與費用限制,就停止並詢問。看停止條件

再看每一步的細節與相關名詞

準備這一輪的資料

用 Prompt 說明任務,把報名表和規則放進 Context。

有需要時,再用 RAG 查文件,或取回 Memory。

LLM 判斷下一步

例如:先請計算工具統計各場次人數。

透過 Tool Calling 提出請求,模型本身沒有執行這項操作。

程式先檢查請求

參數格式對嗎?有這項操作的 權限 嗎?

需要 人員確認 時,先停下來等候。

工具 實際執行操作

計算人數、製作圖表,再回傳結果或錯誤。

更新 Context,核對是否完成

把工具結果帶回這一輪資訊,依 完成條件 核對:總數一致嗎?每個場次都有列出嗎?

尚未達標,就依結果決定下一步。這條回圈就是 Agent Loop。

達標後交付結果

用文字、圖表 Graphic 或 互動介面 呈現,讓使用者能查看與核對。

這是簡化的工具循環示意,不會實際執行任務。不是每一輪都要用工具;系統也可以直接回答或先詢問。比較固定 Workflow 與 Agent

用原本的四步概覽再看一次

先看整體:一項工作如何完成?

例子:整理活動報名資料,核對人數,再製作圖表。

  1. 提出任務用 Prompt 說明目標
  2. 準備資訊整理 Context 與相關資料
  3. 處理與核對模型、Agent 或工具依需求協作
  4. 呈現結果文字、Graphic 或互動介面

這是一條示範路徑:Prompt 是上下文的一部分;並非每個任務都需要 RAG、Agent 或生成式介面。

先認識各個名詞 →