搜尋意圖： 如果你在找「行動模型 是什麼」或「行動模型 和相近概念差在哪」，先看這頁的短定義、完整說明與延伸比較。
TL;DR： 能夠感知環境、規劃並執行工具呼叫或外部操作的 AI 模型，是 AI Agent 系統的核心組成。
實用情境： 適合用在閱讀 AI 文章、產品文件或和同事討論時，先用一頁快速對齊概念。
下一步： 先讀完定義，再往下看延伸比較與對應工具，把概念轉成實際應用。
能夠感知環境、規劃並執行工具呼叫或外部操作的 AI 模型，是 AI Agent 系統的核心組成。
行動模型（Action Models）代表了大型語言模型（LLM）能力的重要延伸：從單純的文字生成（Text Generation），進化到能夠感知環境、規劃步驟並主動執行操作的「代理人（Agent）」能力。這個概念與近年來 AI Agent、工具使用（Tool Use）以及電腦使用（Computer Use）等研究方向密切相關。
傳統的語言模型以輸入提示（Prompt）為條件，輸出文字回應，整個過程是單輪的、靜態的。行動模型則打破了這個限制：它可以在一個目標驅動的循環中，持續感知（Perceive）外部環境狀態、決策（Decide）下一步要執行什麼操作、執行（Execute）操作並觀察結果，然後根據新的環境狀態再次規劃。這個「感知-決策-執行」的循環，是行動模型區別於傳統語言模型的核心特徵。
行動模型的行動空間（Action Space）定義了它可以執行的操作類型。常見的行動類型包括多種形式：工具呼叫（Tool Calling / Function Calling）讓模型呼叫預先定義的 API 或函式，例如搜尋網路、查詢資料庫、計算數學運算、傳送訊息；程式碼執行（Code Execution）讓模型生成並執行 Python 或其他語言程式碼，觀察輸出結果；電腦操作（Computer Use）模擬滑鼠點擊、鍵盤輸入、螢幕截圖分析等低階 GUI 操作；以及多模態感知，處理視覺輸入（截圖、圖片）作為決策依據。
行動模型的研究面臨幾個核心挑戰。長程規劃（Long-horizon Planning）是最主要的難題：完成複雜任務需要多步驟的連續決策，每一步的錯誤都可能累積放大，模型需要有效地分解任務、記憶中間狀態，以及在失敗時回溯重試。錯誤恢復（Error Recovery）也至關重要：真實環境中操作常會失敗（網路超時、元素找不到、返回非預期結果），行動模型需要識別錯誤並調整策略，而非陷入無限重試循環。
安全與邊界（Safety and Boundaries）是部署行動模型時的關鍵考量：行動模型有能力執行真實世界的操作（傳送郵件、刪除文件、發出 API 呼叫），因此需要明確的權限控制與安全機制，防止模型執行未授權或危險的操作。最小權限原則（Least Privilege）、沙盒執行環境（Sandbox）和人工確認閘（Human-in-the-loop）是常見的安全設計模式。
在產業應用上，行動模型正被整合到各類 AI 工作流程中：代碼助手（如 GitHub Copilot Agent）能自動執行程式碼修改、測試與提交；網頁自動化工具利用行動模型瀏覽網頁、填寫表單、提取資訊；資料分析 Agent 能夠自主選擇分析方法、執行程式碼、解讀結果並生成報告；客服 Agent 能夠查詢內部系統、處理退款申請、更新訂單狀態。
從技術架構來看，行動模型通常建立在強大的基礎語言模型之上，透過特殊訓練（在行動軌跡資料上 Fine-tuning）或精心設計的提示工程（提供工具定義的系統提示）賦予其行動能力。評估行動模型能力的主要基準包括 WebArena（網頁操作任務）、SWE-bench（程式碼修復）等，評估核心指標是端到端的任務完成率（Task Success Rate）。 行動模型（Action Models）是 AI 代理人（AI Agent）系統中負責決策和執行操作的核心組件，代表將語言理解能力延伸至真實世界操作的關鍵技術突破。
傳統語言模型（LLM）以文字生成為主，行動模型則更進一步，能夠根據當前狀態（觀察）規劃並執行具體的外部動作：操控網頁瀏覽器、執行程式碼、呼叫 API、管理檔案系統，乃至控制機器手臂。這種能力將 AI 從資訊處理者提升為主動的任務執行者。
大型語言模型作為行動模型的基礎架構主要有幾種實現方式。ReAct（Reasoning + Acting）框架讓模型在行動與推理之間交替進行，通過思考鏈（Chain-of-Thought）解釋每個行動的原因，提升任務執行的透明度和可靠性。工具呼叫（Tool Calling / Function Calling）是目前最廣泛採用的行動機制，OpenAI、Anthropic、Google 等主流 LLM 均支援結構化的函數呼叫格式，模型輸出 JSON 格式的工具呼叫請求，由外部系統執行並返回結果。
電腦使用（Computer Use）代表行動模型的前沿能力：Anthropic 的 Claude 3.5 Sonnet 能夠直接操控滑鼠和鍵盤，執行複雜的圖形介面操作；Google 的 Project Mariner 展示了代理人自動完成網頁購物流程的能力。
在多代理人系統中，行動模型可以作為工作者（Worker）角色，接受協調者（Orchestrator）的任務分配，執行具體的子任務並回報結果，形成能完成複雜長期目標的協作系統。
常見問題
行動模型和 AI Agent 是同一個概念嗎？
兩者高度相關但並非完全等同。AI Agent（智慧代理人）是一個更廣泛的系統概念，泛指能夠感知環境並自主採取行動以達成目標的軟體實體，這個概念在 AI 研究中已有數十年歷史。行動模型（Action Models）則特指以大型語言模型（LLM）為核心、具備工具使用和序列決策能力的模型，是近年 LLM 能力擴展後興起的具體技術路徑。可以說，行動模型是構建現代 LLM-based AI Agent 的核心組件，一個 AI Agent 系統通常包含行動模型（決策大腦）、記憶系統（短期上下文與長期存儲）、規劃模組以及工具執行層等多個部分。
行動模型的評估有哪些常用基準？
評估行動模型的基準測試近年發展迅速。WebArena 和 VisualWebArena 評估模型在真實網頁環境中完成任務的能力，包括在電商平台購物、在 Reddit 發帖等場景。SWE-bench 評估模型修復真實 GitHub 程式碼問題的能力，被視為衡量程式碼行動模型能力的重要指標，頂尖模型在此基準的解題率是重要的能力指標。AgentBench 則是一個綜合多場景的評估框架，涵蓋作業系統操作、資料庫查詢、網頁瀏覽等多個行動域。這些基準的共同特點是評估端到端的任務完成率（Task Success Rate），而非單純的文字生成品質，因為行動模型的價值在於能否真正完成有實際意義的操作任務。
使用行動模型時，如何確保操作安全？
行動模型的安全設計是部署時的核心考量。常用的安全機制包括：沙盒環境（Sandbox）讓行動模型在隔離環境中執行操作，防止意外影響生產系統，例如讓程式碼執行在容器中；最小權限原則（Least Privilege）只賦予模型完成任務所需的最小工具集和操作權限，例如只讀資料庫存取而非讀寫；人機協作閘（Human-in-the-loop）在執行高風險操作（如刪除資料、傳送通訊）前要求人類確認；操作日誌（Audit Log）記錄所有行動模型執行的操作，方便事後審計和問題追蹤；以及速率限制（Rate Limiting）防止模型因循環錯誤或攻擊而無限制地執行操作。安全設計應從架構層面納入，而非事後補丁。