為什麼龍蝦打敗了聊天機器人

2023 年 6 月，OpenAI 的 Lilian Weng 發表了一篇悄悄重新定義 AI 應有角色的論文。同年 12 月，OpenAI 跟進發布了一份關於 Agentic AI 系統治理的白皮書。2024 年初，吳恩達（Andrew Ng）在 AI Ascent 上提出一個大膽的主張：設計得當的 Agentic Workflow，推動 AI 進步的潛力，可能超越下一代基礎模型。

這些概念在研究者和早期採用者之間流傳了兩年。然後，2026 年初，一個叫做 OpenClaw 的工具——被台灣科技圈暱稱為「龍蝦」——到來，讓這個概念變得生動具體。一個下午，龍蝦相關研討會吸引了將近 2,000 人參加。這個概念正式從技術討論跨入了商業意識。

到底發生了什麼變化？如果你在台中經營一家 50 人的製造廠，或在高雄管理一家物流公司，這一切跟你有什麼關係？

從名詞到形容詞：理解「Agentic」

多數人把 AI 當成名詞來理解——「一個 AI Agent」是你購買的產品，像訂閱軟體服務一樣。這個框架越來越受限，也越來越不準確。

更有用的框架，來自 OpenAI 白皮書與吳恩達的研究：把「Agentic」當成形容詞——描述一個系統自主能力的程度。問題不是「這是不是一個 AI Agent？」，而是「這個系統的 Agentic 程度如何？」它沿著四個維度展開：

OpenClaw 代表了高 Agentic 系統進入主流的時刻。它能瀏覽網頁、操作電腦介面、管理帳號、發送通訊，並在延伸任務中自主地將這些能力串連在一起。這是 AI 系統第一次可以被真正描述為「在做工作」，而非「在回答問題」。

改變一切的實驗

以下這個發現應該重塑每一份 AI 投資論文：吳恩達的團隊在兩種條件下對比了 GPT-3.5 和 GPT-4 的表現。

在零樣本模式下——你問一個問題，模型一次性輸出答案——GPT-4 全面勝出。這不令人驚訝。

然後他們對 GPT-3.5 加入了 Agentic Workflow：同樣的舊模型、更便宜的模型，但現在加入了迭代反思、任務拆解、自我修正和工具調用。結果令人震驚：搭載 Agentic Workflow 的 GPT-3.5，在複雜任務上的表現，超越了零樣本模式下的 GPT-4。

Agentic Workflow 的四大設計模式

吳恩達總結了四種核心設計模式，這是任何想要評估 AI 廠商或建立內部能力的企業負責人都必須理解的：

1. 自我反思（Reflection）：AI 先生成初稿，再扮演批評者——找出邏輯漏洞、檢查一致性、識別缺失資訊——然後迭代修正。這是「第一稿」和「精磨交付物」之間的差距。
2. 規劃（Planning）：系統將複雜目標拆解為按序排列的子任務，發現新資訊時動態調整計劃。它不只是執行指令——它思考如何執行。
3. 工具使用（Tool Use）：當模型內部知識不足時，主動調用外部資源——網路搜尋、資料庫、API、程式執行——以填補缺口。模型知道自己不知道什麼。
4. 多智能體協作（Multi-Agent Collaboration）：多個專業 AI 實例協同工作——一個擔任研究員、一個撰稿、一個編輯、一個事實查核——透過對話協調，產出超越任何單一 Agent 深度與廣度的內容。

這對中小企業負責人的 UX 期待意味著什麼

在任何 Agentic 部署成功之前，有一個關鍵的思維轉變是必要的：你需要停止期待 Google 級別的即時回應。

傳統 AI 互動是交易式的——你輸入，它在幾秒鐘內回應。Agentic AI 更像是僱用一位有能力的承包商：你定義專案，他們去工作，完成後回來報告。這可能需要幾分鐘。對於涉及多次工具調用和迭代精煉的複雜任務，可能需要幾個小時。

這不是 Bug，而是讓輸出品質指數級提升的設計取捨。在 Agentic AI 上掙扎最多的組織，是那些領導層沒有重新校準耐心閾值的組織。成功的組織則完全重新框架了互動模型：「我不是在等待答案——我是在委派一個有能力的團隊去完成任務。」