AI Agent Fun
近期在使用 Boot.dev 學習一些有興趣的主題（主要是 Go 和後端知識），上週注意到這個新推出的小課程："Build an AI Agent in Python"，忍不住開始玩，結果變成我在 boot.dev 第一個完成的 Lesson （完成的 code github link，簡單加上 readme）。
這個 project 的目標是利用現成的 LLM (Gemini API) 來實現「讓 Agent 幫你修復程式 bug」這件事。LLM 能寫 code 能 debug 已不是新聞，類似 github copilot 這樣的功能也已經很成熟，所以我原本並沒有覺得太稀奇，但沒想到完成專案的過程中心裡其實蠻震撼的。
事後回顧，應該是因為這是第一次切身體會到 AI 作為「輔助」和作為「代理」的差異。
Github copilot 這樣的工具正如其名是個輔助駕駛，你才是正駕駛，工作流程的設計也都是 AI 給出建議然後你決定後是否採用。但在這個專案中你的 Agent 一但收到你賦予的問題或任務，就會直接照他的想法開始動作直到他覺得完成了，這之中也包含檔案的新增和修改。
下面是我跟著課程第一次嘗試請 Agent 修 bug 時直接被嚇傻後截的圖。當時下的指令大概是：「calculator 程式有 bug， 3 + 7 * 2 不應該等於 20，請修復」（實際是英文，沒試過中文）
這是一個手動加入的沒有先乘除後加減的 bug，用來測試 Agent。沒想到… 他一出手卻是把整個 caculator/main.py 直接改成兩行
result = 3 + (7 * 2)
print(result)
然後還回覆我「現在結果正確了」？！
這個瞬間，我也理解到為什麽很多 vibe coding 的心得文都要強調要用 git 記錄修改的結果、要不斷 commit 之類的。因為如果沒有備份，可能一個沒弄好就把造好的東西給砸了。
當下我只覺得 Gemini 你真是天才… 直到
仔細檢查後，才發現原來我才是那個”天才“… 原來我忘記把程式後的執行結果回傳給 LLM 作為脈絡，導致 Agent 得不到任何他執行行動後的實際反饋。他知道我有給他 tool 可以用於查看檔案內容，也確實試圖查看檔案，但他一直沒有真的看到檔案的內容（因為我忘了印結果給他），最後…Agent 就決定自己胡搞瞎搞了。
修正這個錯誤之後，Agent 也就真的把這個 bug 給看出來且修好了。Pretty impressive!
心得：
- 代理跟輔助是很不同的概念，可以感受到 Agent 的潛力
- Agent 的能力越大，Human 的責任就越大
- 因為相關的能力是自己一步一步賦予給 Agent -> No magic, and it works! 感覺和 copilot 這樣的 coding tool 似乎親近了一些
文章原發表於 linkedin，後轉移至此