AI / ML / DL / LLM / Agent 到底差在哪？

關係圖（概念圖）

核心名詞表（快速版）

• AI： 讓機器展現「看起來智能」行為的總稱。
• ML： 不手寫規則，靠資料學出規則。
• DL： 用多層神經網路處理複雜資料。
• LLM： 以大量文字訓練的語言生成模型。常見例子像 OpenAI GPT-4.1 / GPT-4o、Anthropic Claude 3.5 Sonnet（你提到的 Claude Code 背後也是同類大型語言模型能力）、Google Gemini 1.5 Pro / Gemini 2.0 系列等。
• Agent： 讓模型能規劃步驟、調用工具、完成任務。常見例子像 OpenAI Operator、AutoGPT、Microsoft Copilot（可呼叫企業工具流）、以及開發圈常用的 LangChain Agent / AutoGen 型代理流程。

常見誤解 Top 3

• 很多人會把 LLM 跟 Agent 當成同一件事，但其實不是。LLM 是模型本身，Agent 是把模型、工具與流程整合後的工作系統。
• 也常有人以為只要叫 AI 就一定是深度學習，其實不一定。很多規則式系統也屬於 AI，只是方法不同。
• 還有一個很常見的迷思是「模型越大越好」。實務上通常要看任務目標、成本、延遲和穩定性，不是只看參數量。