AI 代理的工業革命：從單一 Agent 到可自我擴展的代理工廠
當前對 AI Agent 的討論，多半集中在如何打造更強的單一代理。然而，真正的競爭壁壘正在轉向更高維度：我們能否將「生成代理」與「生成技能」的過程本身自動化？本文從一個名為 harness 的專案出發，探討 AI 系統建構如何從手工作坊式的 Agent 調校，演進到可規模化、可複製的「代理工廠」模式，這將是決定未來生產力分野的關鍵。
「代理工廠」的元層級自動化，正將 AI 系統建構從手工作坊式的單一 Agent 調校，推向可規模化、可複製的全新階段。本文透過 harness 專案，揭示了 AI 生態如何從基礎模型（L1）進化到 Agent 開發框架（L2），最終邁向能自動生成 Agent 團隊與專屬技能的「元工廠層」（L3）。這不僅是效率的飛躍，更是競爭優勢的根本轉移，未來不再是單一 Agent 的性能競賽，而是誰能率先掌握高效、穩定且可自我完善的代理生產線。這場生產模式的革命，將決定未來 AI 應用的生產力分野。
在理解「代理工廠」的願景後，我們首先回顧當前 AI Agent 的發展現況。自 2023 年以來，多 Agent 系統（Multi-Agent Systems）的概念迅速普及，從學術界的模擬實驗走向了開源社群的實踐。諸如 AutoGen 或 CrewAI 等框架的出現，讓開發者能更輕易地編排由多個具備不同角色、能力的 AI 代理組成的團隊，去解決比單一 Agent 更複雜的問題。這是一個巨大的進步，我們終於能像管理人類團隊一樣，設計 AI 的協作流程。
AI Agent 開發為何仍像「手工作坊」？
然而，目前的開發模式仍高度依賴「手工」。我們需要為每個特定任務手動設計 Agent 的角色、定義它們的專屬技能（skills）、編寫詳細的 prompt 指令，並不斷進行測試和微調。這個過程就像經營一間手工作坊，雖然能產出精緻的作品，但極度耗費人力與時間，且難以規模化。當我們需要為 100 個不同的專案或業務場景各自打造專屬的 Agent 團隊時，這種手動配置的成本將變得無法承受。
如何理解「代理工廠」的元層級思維？
為了解決這個規模化的挑戰，我們需要將思維提升一個層次，從「打造代理」轉向「打造能夠生成代理的工廠」。最近，我觀察到一個名為 harness 的專案，它為這個思路提供了一個具體的實踐範例。該專案將 AI Agent 生態劃分為三個層級，這個框架有助於我們理解元層級自動化的價值：
- L1：執行層 (Runtime Layer)：這是最底層的基礎設施，也就是實際執行任務的大型語言模型，例如 Anthropic 的 Claude 3 Opus 或 OpenAI 的 GPT-4。它們是所有代理能力的來源。
- L2：工廠層 (Factory Layer)：這一層是我們目前熟悉的 Agent 開發框架。它們提供工具和抽象化介面，讓我們可以「製造」代理和技能。例如，我們使用 CrewAI 的框架來定義一個由 3 到 5 個代理組成的行銷團隊。
- L3：元工廠層 (Meta-Factory Layer)：這是最高層次的抽象，其目標是「自動化地生成 L2 的工廠」。它不再是生產單一產品，而是生產整個生產線。
harness 這個專案就將自己定位於 L3。它是一個針對特定開發環境（原文稱 Claude Code）的「元技能插件」。開發者不再需要手動配置一個 Agent 團隊，只需下達一個簡單的指令，例如：「為這個專案建立一個 harness」。
系統便會自動分析專案需求，生成一個最適配的、由多個領域特化 Agent 組成的團隊，以及它們完成任務所需的專用技能庫。這就像從訂購一台機器，升級到訂購一整座能按需生產各種機器的智慧工廠。
元層級自動化如何重塑 AI 競爭格局？
這種元層級的自動化，其核心價值在於「可複製的規模化能力」。當我們能用一行指令就為任何專案生成一個客製化的 Agent 團隊時，AI 的應用門檻與部署速度將發生質變。過去需要一個工程團隊數週才能完成的配置工作，未來可能在幾分鐘內自動完成。
這也意味著，未來 AI 系統的競爭優勢，將不再僅僅取決於 L1 模型的能力有多強，或 L2 的單一 Agent 設計得多麼精巧。真正的護城河，將建立在 L3 的元層級能力上：你是否擁有一套高效、穩定、可自我完善的「代理工廠」建構流程？
這個趨勢與軟體工程的發展歷程不謀而合。我們從手寫組合語言，到擁有高階語言與編譯器，再到擁有能自動生成程式碼、甚至自動生成開發工具鏈的 CI/CD 與 DevOps 平台。每一次的抽象層級提升，都帶來了生產力的巨大釋放。AI Agent 的發展也正在走上類似的道路，從單一工具的打磨，走向可自我改進的系統。我們關注的重點，應該從「如何寫出一個完美的 prompt」，轉向「如何設計一個能自動生成有效 prompt 和 agent 團隊的系統」。
harness 這類專案雖然仍處於早期階段，但它清晰地指出了 AI 系統發展的下一個重要方向。當業界多數仍在競逐單一 Agent 的性能極限時，真正的競爭優勢將屬於那些能率先將 Agent 生產與技能生成過程工程化、系統化的團隊。這不僅是一場技術革新，更是一場關於生產模式的深層革命，而「代理工廠」正是引領這場革命的關鍵灘頭堡。
延伸閱讀
- harness: Claude Code のためのメタスキルプラグイン (專案原始介紹)
- A Survey on Large Language Model based Autonomous Agents (關於 LLM 自主代理的學術綜述)
- LLM-powered Autonomous Agents (Lilian Weng 對自主代理的深度技術剖析)
我是江中喬，專注於 AI Agent Architecture、Memory Governance 與 Cognitive Diversity，持續研究如何打造能夠長期協作、可信任且可治理的 AI 系統。