【三分鐘輕鬆懂】AI 正進化成《鋼鐵人》的超級助手賈維斯？一次學會 LLM、RAG、Agents與 MCP

你以為 AI 只會聊天？現在它連工作都幫你做完了！ ChatGPT 是開場，真正的重頭戲才剛開始。從 LLM 到 RAG、從 Agents 到 MCP，一場 AI 革命正在你身邊悄悄展開。

第一關「LLM」：很厲害沒錯，但它其實什麼都「不能做」

還記得你第一次用 ChatGPT 嗎？
打幾個字，它就能寫詩、解釋理論、還能模仿莎士比亞、學哈利波特語氣講話。

這一切都是拜大型語言模型（Large Language Model，簡稱 LLM）所賜。這些模型靠著訓練數十億字的資料，讓 AI 看起來像真的「理解語言」。

但LLM 本身有兩個致命限制：

• 它的知識停留在訓練時的資料點，例如 GPT-4 只知道 2023 年以前的事。
• 它不會「實際做事」——舉例來說：你叫它訂機票、寄 email、更新你的報告，它會回「我不能上網查」、「我不能操作外部系統」，「我沒辦法幫你做這件事。」

第二關「RAG」： 讓 AI 不再靠猜，而是會「自己查資料」

RAG 是什麼？全名是 Retrieval-Augmented Generation，中文叫「檢索增強生成」。

概念很簡單：讓 AI 回答問題前，先去查資料。

如果 LLM 是一個超強的學生，那 RAG 就是幫他裝上了 Google 搜尋引擎。你問他：「今年台股怎麼樣？」
以前他會憑記憶亂猜，現在他會查完資料再作答，答案當然準得多。

RAG 的運作分兩步：

1. 檢索（Retrieval）：先從內部文件、網站、API 或資料庫中，找出跟問題有關的資訊。
2. 增強生成（Augmented Generation）：再把這些最新查到的資料餵給語言模型，讓它根據這些內容產出回應。

換句話說，以前的 AI 是閉門造車、憑印象寫作業；現在它懂得先「翻書找資料」再答題，像是在開書考試一樣，正確率自然大幅提升。

生活中你問它：「明天台北會不會下雨？」
傳統 LLM：很抱歉，我無法提供即時天氣資訊。
RAG 模型：我查了中央氣象局，明天台北降雨機率 40%，你可能需要帶把傘。

這種架構的強大，在於它不再要求 AI「知道一切」，而是讓它學會「知道去哪裡查」。

實際應用場景也很多：

• 客服系統 可以即時查詢用戶帳戶資訊，不靠記憶，而是透過 API 查詢。
• 法律諮詢 能針對最新條文給建議，不靠模型記住法規，而是即時搜尋資料庫。
• 投資平台 可以根據今天的新聞、自家數據庫內容，生成即時市場分析報告。

RAG 讓 AI 不再只是「讀死書的模範生」，而是變成「知道怎麼查資料、靈活應對的資訊達人」。

第三關「AI Agents」：不只會查資料，還能「自己動手做」

RAG 讓 AI 會找資料，但它還是得等你來下指令，一步一步自己做。那有沒有可能，AI 也能自己完成整個任務？

這就是 Agent 的概念。

所謂 AI Agent，可以想像成一個具備「判斷力」與「執行力」的 AI 系統。你只要告訴它一個目標，它會自己想出計畫，找出步驟，選擇工具，然後動手做，直到完成為止。

你說：「幫我訂一張明天下午從高雄飛東京的最便宜機票。」

• LLM：我不會上網
• RAG：這是一些航班資訊，自己去訂
• Agent：收到 → 開啟訂票網站 → 查航班 → 篩選價格 → 選航班 → 填資料 → 完成預約

這背後的關鍵是什麼？它能模擬人類「任務決策循環」的工作流程：
AI 會先分析目標，然後自己一步步拆解任務、選擇工具、執行動作，並根據結果調整策略，直到搞定。

而且目前市面上已經出現不少類似的系統，像 Auto-GPT、LangChain、OpenAI 的 Function Calling，就是讓 Agent 具備這種能力的技術基礎。

AI 正在從「會聊天的天才」進化成「會辦事的高手」。

第四關「MCP」：讓 AI 自己知道該用哪個工具

你可能會問：「Agent 會執行任務很棒啊，但工具這麼多，它怎麼知道要用哪一個？」

這時候 MCP（Model Context Protocol）就派上用場了。

MCP 的角色像是「萬能轉接頭」。
當 AI 接到一個任務，它可以透過 MCP 問系統：「我可以用什麼工具？功能是什麼？參數怎麼設定？」

這就像你開一個應用程式，它會列出所有插件供你選用，而不是要你一個個試錯。

實際生活中這代表什麼？
比如企業要讓 AI 讀報表、傳 email、存資料到雲端，以前得寫死一堆指令，現在只要透過 MCP，AI 就能主動去查工具功能，然後自己串接上去使用。

這讓 AI 的應用變得更靈活、更模組化，也更像是個真正能與外部環境互動的數位工作者。

AI 已經不是會講話的機器，而是可以信任的幫手

從 LLM 到 RAG，再到 Agents 和 MCP，這整段技術演進，背後其實有個更深的意義——AI 的角色，正在改變。

未來的你，或許每天早上不是打開 Google，而是對你的 AI 說：「幫我查今天的股市，順便把要開的會重新排一下，然後給我三家新的午餐推薦。」

這樣的 AI，不是夢，也不是未來，而是我們正在邁入的現在。

image by IndianWeb2

reference: ByteByteGo