AI Agent

某企業建置一套多代理人（Multi-Agent）系統，由一個 Orchestrator Agent 負責任務分配，多個 Worker Agent 分別執行網路搜尋、程式撰寫與結果彙整。若Orchestrator 發現某 Worker Agent 回傳結果品質不符合預期，從系統容錯與任務可靠性角度，下列哪一項機制最能確保整體任務仍能正確完成？

1. A直接採用該 Worker Agent 的輸出，避免重試機制造成延遲
2. BOrchestrator 具備結果評估能力，對不合格結果觸發重試（Retry）或重新分配給不同Worker，並記錄失敗原因供後續改善
3. C強制所有 Worker Agent 統一使用相同的 LLM 模型，以減少輸出差異
4. D當任何一個 Worker 失敗時，整個 Multi-Agent 任務直接中止並通知使用者重新啟動

一位工程師正在實作一個 ReAct 框架的AI Agent，該 Agent 需要回答「台灣目前最大的電動車充電站營運商是哪間公司，以及其充電樁總數」。Agent 的工具清單如下：•web_search(query)：回傳搜尋結果摘要•get_webpage(url)：回傳網頁內文•calculator(expression)：回傳計算結果•get_current_date()：回傳今日日期工程師設計了以下的 System Prompt 與ReAct Loop，請問此Agent 設計存在哪些問題？應如何改善？[System Prompt]你是一個資料查詢助理。每次只能使用一個工具。當你知道答案時，直接輸出最終答案。[第一輪 Agent 輸出] Thought: 我已經知道台灣電動車市場的概況，不需要搜尋，可以直接回答。Action: 無Answer: 台灣最大充電站營運商是 XX公司，共有 500個充電樁。

1. ASystem Prompt 未要求Agent 在回答前使用工具驗證，導致直接依賴既有知識產生幻覺（Hallucination）；應明確規定即時性問題需先執行 web_search
2. B工具清單提供了 calculator與get_current_date，屬於多餘工具，可能增加 Agent的選擇複雜度
3. CReAct 框架的核心問題在於 Thought 步驟佔用過多 token，應移除 Thought 欄位，直接讓 Agent 輸出Action，以提升推理效率
4. DAgent 應在第一輪就呼叫所有可用工具並彙整結果，避免多輪 Loop 造成的延遲

某AI系統架構師正在為一個電子商務資料湖（Data Lake）設計系統。該資料湖儲存數百億筆使用者點擊紀錄，並作為企業主要的分析資料來源。系統需讓非技術背景的行銷人員能以自然語言查詢數據洞察（如：上個月台北市購買 3C 產品的女性轉換率為何？），同時滿足高精確性、可擴展性，支援資料庫層級的權限控管與查詢審計，並確保查詢結果可由資料庫引擎精確執行。在此情境下，下列何者為最適合的系統架構？

1. A協同過濾（Collaborative Filtering）：根據歷史查詢推薦相似問題的答案，無法執行新問題的即時計算
2. B檢索增強生成（RAG）：讓LLM 檢索相關資料後生成回答，但無法可靠執行大規模數值聚合與精確統計查詢
3. C生成對抗網路（GAN）：用於生成合成資料或模擬數據分佈，可用於資料擴增，但不適合即時查詢與資料庫聚合運算
4. DText-to-SQL Agent：由 LLM 將自然語言轉換為 SQL 查詢，交由分散式資料庫執行，兼顧自然語言彈性與資料查詢精確性

某企業建置多個 AI 代理（AI Agent）協同完成專案，運作一段時間後，AI 代理之間無法得知彼此已完成的任務與取得的資訊，開始出現重複詢問相同問題，以及相互矛盾的回覆內容。若排除模型本身的推理能力差異，此現象最主要反映多代理架構下的哪一項挑戰？

1. A各 AI 代理間缺乏共享記憶（Shared Memory）或情境脈絡同步機制；
2. B多個 AI 代理同時存取資料庫造成運算資源競爭；
3. C各 AI 代理使用不同的提示詞模板；
4. D各 AI 代理的上下文視窗（Context Window）大小不同

某 AI Agent 在處理客戶退款申請時，會先根據案件內容，自動建立一份僅供本次案件使用的解決方案圖（Solution Graph），作為後續 AI Agent 協作與任務安排的依據；系統同時也維護一份長期保存的知識圖（Knowledge Graph），供各項任務查詢使用。下列何者最能說明兩者的主要差異？

1. A解決方案圖用於保存可跨任務重複使用的知識；知識圖則會依每次任務重新動態建立；
2. B解決方案圖描述本次任務中各子任務的安排與依賴關係；知識圖則保存可供不同任務共用的結構化知識；
3. C解決方案圖與知識圖皆用於保存長期知識，只是前者偏重任務規劃，後者偏重實體關係；
4. D兩者皆採用圖形資料結構（Graph）表示，因此在 AI Agent 架構中可直接互相取代使用

某企業導入 AI Agent 處理跨部門簽核流程。系統在開始執行前，會先建立一份解決方案圖（Solution Graph），作為後續執行的依據，再由 AI Agent 完成整個簽核流程。相較於直接要求 AI 一次產生最終簽核結果，此設計方式最主要的優點為何？

1. A因為解決方案圖可引導 AI 將推理過程分階段規劃與執行，並逐步驗證各階段結果，有助於降低推理缺乏依據、遺漏上下文或產生「幻覺（Hallucination）」的風險；
2. B因為解決方案圖會自動糾正大型語言模型在各步驟產生的錯誤資訊，確保最終答案可靠無誤；
3. C因為有了解決方案圖，大型語言模型不再直接處理自由文本，而只處理結構化資料，因而能完全避免產生虛構內容；
4. D因為解決方案圖已預先定義所有推理結果，因此 AI 僅需依圖執行即可，不需再進行推理

下列何者最能展現 AI 代理（AI Agent）相較於一般 AI 工具所具備的自主代理能力（Autonomous Agency）特性？

1. A某企業的 AI Agent 依預先設定的問答規則回覆客戶問題，當客戶輸入特定關鍵字時，自動提供對應的固定答案；
2. B某企業的 AI Agent 根據使用者提供的產品資訊，自動產生多個行銷文案版本，供行銷人員選擇與修改；
3. C某物流公司的 AI Agent 偵測到包裹因天候延誤後，會自主查詢最新配送狀態，判斷是否需要重新安排配送時間、通知客戶，必要時建立客服工單，無須人工逐步下達指令；
4. D某企業的 AI Agent 將使用者輸入的英文文件翻譯為中文，並將翻譯結果顯示於畫面供使用者檢視與下載

某物流公司近期評估導入 AI 代理（AI Agent）處理訂單異常事件。下列何者最能呈現 AI Agent 與傳統自動化系統的關鍵差異？

1. AAI Agent 能依據任務目標自主規劃執行步驟，並依執行結果動態決定呼叫哪些工具及調整後續執行流程；傳統自動化系統則僅能依預先設定的固定規則與流程執行，無法自行規劃或調整執行流程；
2. BAI Agent 與傳統自動化系統皆須依賴人工預先設定好所有的詳細執行規則，兩者差異僅在於 AI Agent 必須使用程式語言撰寫規則，而傳統自動化系統使用圖形化介面（GUI）設定；
3. CAI Agent 的關鍵優勢在於運算與回應速度較傳統自動化系統快上數倍，因此適合用於全面取代所有需要即時（Real-time）回應的反射式自動化流程；
4. DAI Agent 因具備強大的推理能力，核心價值在於能完全取代人工進行所有商務決策，故企業導入後即可全面移除既有的人工審核與監督機制

某連鎖餐廳開發 AI 代理（AI Agent）協助處理顧客訂位需求。設計人員要求 AI Agent 在查詢訂位系統前，先分析顧客需求並決定查詢策略，再呼叫訂位系統查詢；每次取得查詢結果後，AI Agent 皆需重新判斷是否需要查詢其他時段，或直接回覆可訂位的時間。請問設計人員採用的是下列哪一種框架概念？

1. AReasoning and Acting（ReAct）；
2. BRetrieval-Augmented Generation（RAG）；
3. CPrompt Chaining；
4. DZero-Shot Prompting