Traditional web chatbox
Text reply still needs human relay
User
Prompt
Chatbox
Text reply
Manual step
Human relay
copy / paste
Terminal
Browser
APIs
模型可以給答案，但工具鏈上的每一步還是要人手接力，所以 workflow 會一直被打斷。
Z2E-Agent Presentation
AI Agent Workflow
AI Agent 不只是 Web Chatbox。
一般 web-based AI box 給你的主要是文字答案；Agent 則透過 context、tool calling 與 protocol layer 把模型接到真實系統上，能自己執行、自己讀結果、自己繼續做下一步，而不是每一步都靠人類 copy and paste。
- 起點
- 1 個目標
- 執行模式
- N 個步驟
- 人手搬運
- 0 必須
給高層目標，不是給每一步手動指令。
Agent 會自己把步驟串起來直到完成。
不需要每一步都由人類負責 relay。
runtime-difference
這是兩種完全不同的運作模式。
Web Chatbox
Prompt Text reply Copy / paste Manual next step
AI Agent
Goal Context Tool call Observe Continue
Chatbox
Advice
人類仍然是每一步的實際操作員。
Agent
Action
runtime 可以把工作跨 context 和工具持續帶下去。
Difference
Autonomy
執行回饋會讓整個 loop 持續活著。
Core difference
先用動畫看懂 Chatbox 跟 Agent 到底差在哪裡
真正的差別不只在模型，而在模型外面的 runtime。當 context、tool calling 和 feedback 被保留在同一個系統裡，workflow 就不再只是聊天框。
AI agent runtime
Goal goes into a self-running workflow
Goal
Objective
Context
State + files + constraints
Runtime
Reason, call, update
keeps running
Terminal
Browser
Files
Feedback
Result returns automatically
Goal 一進來就會被帶進同一個 runtime，context、tool calling 和 feedback 會自己維持整個 loop。
Chatbox
文字回答本身沒有問題，但真正的工作流仍然由使用者自己維持。
Agent Runtime
真正的差異在 runtime：它把模型、上下文、工具和回饋保留在同一個系統內。
Main Gap
核心不是模型更聰明，而是 workflow 可以不靠人類每一步接力。
Agent workflow
Agent 實際上是怎麼運作的
Agent runtime 就是 context 和 tool calling 交叉的地方。這個交叉點，才是把模型從「會聊天」變成「會做事」的關鍵。
Workflow Animation
Context、Tool Calling、Feedback 在 Agent 內部持續交叉
這個動畫在講一件事：Agent 並不是回你一句答案就停止，而是把上下文、工具呼叫、結果回傳都維持在同一個 runtime 裡面，持續更新下一步。
Goal
使用者目標
只要給一個高層目標，不需要每一步都重新 prompt 一次。
Context
工作中的上下文
檔案、輸出、限制、記憶、觀察結果，全部保留在 runtime 內。
Agent Runtime
Reason, Decide, Act, Update
Agent 的核心不是只回答問題，而是根據最新上下文持續判斷、呼叫工具、接收回傳，再決定下一步。
Observe Orient Tool call Feedback Next action
Tool Calling
能力協定 / Protocol
模型不是只說「應該做什麼」，而是能透過結構化呼叫真正去做。
Connected Systems
工具與環境
terminal、browser、files、APIs、外部工具的回傳會直接回到 agent loop。
01
接收目標
使用者只需要給一個目標，不需要每一個小步驟都重新 prompt。
02
組裝 working context
Agent 會蒐集目前狀態，包括過去輸出、檔案、限制、環境訊號與觀察結果。
03
透過 protocol 呼叫工具
模型不只是說「該做什麼」，而是真的能用結構化參數去呼叫可用工具。
04
讀取回饋並自動繼續
工具執行結果會回到模型，更新 context，然後直接影響下一個決策。
Decision loop
OODA：Agent 為什麼可以持續自己走下去
Agent 並不是把所有步驟寫死，而是每次根據新觀察重新進入一個 Observe、Orient、Decide、Act 的循環。這就是為什麼它可以自主完成多步驟工作。
OODA Loop
把 Agent 的決策流程做成一個真正會轉的圈
Observe、Orient、Decide、Act 不是走一次就結束，而是每次有新結果就重新進圈。這個環形 loop 才是 agent 能持續推進工作的核心。
01
Observe
02
Orient
03
Decide
04
Act
Adaptive Runtime
Observe -> Orient -> Decide -> Act
每次新結果回來，整個圈都重新開始。
Observe
先收集真實結果
terminal 輸出、DOM 變化、檔案差異、API response 都會先被觀察。
Orient
把資訊重新放回 context
觀察結果不是看完就丟，而是回到 runtime 裡更新 agent 對當前狀態的理解。
Decide
選出最有效率的下一步
根據目標、限制、目前狀態與工具能力，挑出現在最值得做的事。
Act
執行後立刻回圈
執行不是結束，Act 的結果會成為下一輪 Observe 的輸入，所以 loop 可以持續活著。
Protocol layer
什麼東西讓模型真的連上真實世界
Agent 需要的不只是模型，而是一個 protocol 或 capability layer，把可用工具用結構化方式暴露出來，模型才能要求動作、接收結果，並維持整個 loop 的一致性。
Context
Goal, state, files
Model
Reasoning
Capability Layer
Protocol dispatch
schema, permissions, tool selection, result parsing
Terminal
Browser
Files
APIs
Structured return
stdout / DOM / file diff / response
Context
Context 不只是一段對話紀錄，而是對目前工作狀態的完整描述。
Tool Calling
Tool calling 把推理變成可執行的動作，讓模型真的能呼叫能力。
Feedback Loop
結果回流後會更新 context，所以 runtime 可以持續重新判斷下一步。
Autonomy
人類的位置，從操作員變成監督者
在一般 chatbox 裡，人類仍然卡在 loop 的每個節點中間；在 agent runtime 裡，人類可以往上一層，從手動 relay 變成設定目標、批准與停止條件的人。
Without agent runtime
Human stays inside every handoff
Chatbox
Ask again
Human
Operator bottleneck
every result passes here
Terminal
Browser
Files
Next step
Paste back
With agent runtime
Human moves above the loop
Human oversight
Goal
Start once
Agent runtime
Runtime loop
context + tools + feedback
Context
State update
Terminal
Browser
Files
Feedback
Next step auto-selected
Manual relay
沒有 runtime 時，人類是實際操作員，也是整個流程最慢的瓶頸。
Supervision
有了 agent runtime 之後，人類可以退到更高層，負責目標、批准與停止條件。
Takeaway
Chatbox 幫你思考，Agent 幫你執行並持續自己推進工作。
presentation takeaway
Chatbox 幫你思考，Agent 幫你完成。真正的差異來自 context management、tool calling，以及一個能跨系統持續推進工作的 protocol-driven feedback loop。