Skip to main content
How can we help you today?
< All Topics
Print

【Vibe-uP】Vibe教學，選用Agent還是Browser呢?

Posted
Updated
Byzerovoyager

前四篇【Vibe Coding X 微控器】教學之後，有朋友問道：為何不使用Antigravity 2.0, Codex, Claude …這類具有AI Agent功能的大語言模型進行韌體開發教學。還在使用瀏覽器版的LLM??🤔 有Agent功能的LLM，其便利性與功能性強太多了…

朋友說的沒錯，這類AI Agent的確功能強大(未來更強)。只要設定好工作流，的確可以串接非常多功能，進而達到近似自動化任務的功能。只是站在基礎知能教育的角度上，對於正在建立【工程、科技與數理知識】的學員，使用AI Agent的意義在哪? 我還沒琢磨出來。😅

相對地，我倒是可以說說，對於這階段學員(通常學齡小於16歲)，在此階段上為何不建議使用具有AI Agent功能的原因。我先提結論：

👉若你關注的是職業技能、學員/生也已經跨越了【基礎STEAM知能建構期】，具有Agent能力的LLM產品，會是好的選擇。

👉相反地，若你的學員/生尚未建立良好的STEAM知能、閱讀能力與基本探究方法(通常學齡在16以下)。使用瀏覽器式的LLM工具(LLM-Browser)，並學習著在不同ICT工具之間串接應用，建立重要的探究與反思能力。或許，對這類群學子們更有助益。

👉有了良好的ICT與探究能力，即使再新穎的AI工具、演算問世，他的自學與應用能力都可陪伴他走在時代的前沿了。工具Agent與否? 倒成了其次。

為何有此結論，我的思辨理路或可由下列兩個原因進行梳理：

原因1. AI Agent與AI Browser(瀏覽器)，TA定位不同。

市面上的LLM(大語言模型)的產品取向可略分為兩大類

  • 其一、具備AI Agent功能，如Antigravity 2.0, Codex, Claude Code ….
  • 其二、具備AI Browser功能，如Gemini、ChatGPT、Copilot …..

分析1-1. 大語言模型公司們設定使用者目標族群 (TA)：

  • AI Agent：專業人士、開發者與企業用戶
    • 這些使用者通常面臨繁雜、高度重複或需要跨多個軟體協作的工作流程。
    • 重視的是生產力的直接轉化與時間節省。
  • AI Browser：一般大眾、學生、研究員與內容創作者
    • 這類使用者不想在傳統搜尋引擎中逐一點擊藍色連結並過濾廣告。
    • 需要的是能快速理解問題、廣泛閱讀多個網頁，並直接給出附帶參考來源（Citation）的精煉答案。
    • TA 重視的是獲取資訊的效率與準確性。

分析1-2. 功能特色 (Features)比較：

  • AI Agent：強調「行動力 (Action)」與「記憶 (Memory)」
    • 自主規劃： 將一個大任務拆解成多個小步驟（Chain of Thought）
    • 工具調用 (Tool Use/API)：能夠讀寫檔案、操作瀏覽器點擊、程式碼並執行、連接第三方服務（如發送 Email 或更新資料庫）
    • 錯誤修正(AI tunning)
  • AI Browser：強調「搜尋 (Search)」與「快速整合 (Synthesis)」
    • RAG (檢索增強生成)： 具備強大的網頁抓取能力
    • 無廣告與直達答案：

分析1-3. Token 消耗與費用 (Cost)比較：

  • AI Agent：Token 消耗較高，導致費用昂貴。口袋深度，有嚴重剝奪感😅。若是小毛頭們不知節制….
  • AI Browser：Token 消耗穩定，成本較低至中等。

分析1-4.其他使用決策考量點：

  • 容錯率與安全性 (Safety & Reliability)：當 AI Agent 擁有系統權限時，「安全性護欄」操作能力遠高於瀏覽器。
  • 延遲與耐心 (Latency)

…..(自行思考線)

小結論，如附圖，我建立了一張AI Agent vs. AI Browser的比較圖，各有優缺點，就看你觀察與需求角度。當然，有技術內行的朋友會說：AI Agent完全具有AI Browser的能力，我可以把AI Agent當作AI Browser來使用與進行教學就好啦~。似乎沒錯，不過當你帶著這份信心進入教室現場，你就會知道”現實很骨感的”這句話的意思了~ bj4… 😂😅🤣

PS. “數位時代的AI雙分岐”!?…現在NotebookLM下標題也蠻浮誇的了(可能看出我浮誇的潛意識)，大家加減看嘿~

原因2. 善問者如攻堅木。

看這標題，就知道我是old school。浮誇，是AI生成的。 澄清很重要，畫重點😅

《禮記·學記》有云：「善問者如攻堅木，先其易者，後其節目，及其久也，相說以解。」這句話是探究學習的恰當註解。我們想像著：面對一塊堅硬、紋理複雜的木頭，這好比我們(或學生)面對一項未知或待解決的工程問題。優秀的提問者不會妄想一斧頭將其劈開，而是從容易的地方下手，逐一破解卡關的「節目」（木瘤、關節），久而久之問題自然迎刃而解。

在 Vibe Coding 或任何科技數理的學習中，「提問」本身就是一種高度內化的思考修煉。就以我們關注的主題【Vibe X 微控器】來說：當學員使用瀏覽器式的 LLM 時，他們必須強迫自己將一個龐大的專案目標（例如：讓一個韌體順利讀取感測器訊號），手動拆解成微小的邏輯單元：從 GPIO 的腳位配置、SPI/I2C 通訊協定的時序理解，到暫存器資料的解析。在每一次與 AI 瀏覽器對話的過程中，學員需要不斷精進自己的提問技巧（Prompting Engineering）——如何精準描述目前的錯誤訊息？如何給予模型正確的脈絡？

更重要的是，瀏覽器式 LLM (AI Browser)留下了「跨 ICT 工具串接」的實踐空間。學員從AI Browser(瀏覽器式 LLM)獲得程式碼片段或概念解釋後，必須親手將其複製到 IDE（整合開發環境）中編譯，遇到 Bug 時可能要打開電子儀器（如邏輯分析儀、示波器）觀察訊號，再將觀察到的現象回饋給 LLM 進行下一輪的討論。這種「提問 ➡️實作 ➡️反思 ➡️再提問」的循環，正是建立探究能力與科技素養的核心基石。如果直接將任務外包給 AI Agent，學員就失去了在這些不同 ICT 工具之間穿梭、試錯與反思的寶貴經歷，錯把「Agent 的產出」誤認為「自己的能力」。當然，這樣的學習歷程，也會面臨前述提到的課堂現實骨感的議題，不過會比直接導入AI Agent容易許多。

總結

就以目前的LLM現況而言，將這兩種取向帶入教育現場，我們會發現 AI Agent 屬於「結果導向」的黑盒子，它隱藏了中間的推導與除錯歷程，直接交付完成品；而 AI Browser(瀏覽器式 LLM)則屬於「過程導向」的對話夥伴，它強迫使用者必須停留在「輸入問題、閱讀摘要、驗證來源」的互動脈絡中。對於尚在建立基礎知識的學子而言，過早引入高度自動化的 Agent (已經將Agent工作流架構完成)，無異於在還沒學會走路時就坐上自動駕駛車，失去了鍛鍊大腦底層肌肉的機會。綜上所述，AI Agent 與AI Browser(瀏覽器式 LLM)這兩種取向的 LLM 各有其適用的黃金場景。我們並非否定 AI Agent 的價值，而是強調應因材施教。

回到教育觀點，若您的教學對象已經是具備良好基礎教育、擁有完整工程、科技、數理與人文藝術底蘊的專業人士，AI Agent 絕對是解放生產力、跳過瑣碎重複勞動的強大翅膀。

AI Agent功能很重要嗎?

然而，對於還在建立基礎知識技能、心智與思考習慣尚在發育階段的學子們，「探究能力」與「面對未知問題的韌性」才是他們未來在 AI 時代安身立命的重要基石。LLM大語言模型還在快速的演進與建立社會應用基礎的過程當中，說不定不久的將來AI Agent與AI Browser兩種產品取向的界線不再，更加新穎的AI工具、演算問世。即使如此，他的自學與應用能力都可陪伴他走在時代的前沿了。工具Agent與否? 或許也都成為其次。

Table of Contents