AI Agent Tool Use 和 RAG 是什麼？廚師比喻一次搞懂

我第一次在 Facebook 的 AI 社團看到有人在討論 Tool Use 跟 RAG 的時候，老實說完全看不懂在說什麼。那時我對 AI 的印象很單純：你問它問題，它給你答案，差別只在資料庫大小，或者你有沒有給它一個 Markdown 記憶檔讓它參考。

後來越用越深，才發現這兩個概念直接決定了一個 AI 的上限在哪裡——Tool Use 跟 RAG，是讓 AI 從「只會說食譜的廚師」進化成「能真正下廚的助手」的關鍵。這篇文章我想用最直覺的方式，帶你搞懂兩者的差別，以及它們現在怎麼被結合在一起用。

什麼是 Tool Use？AI Agent 的「鍋子和鍋鏟」

想像一位廚師，他的腦袋裡裝滿了料理食譜，知道每道菜的步驟、食材比例、火候控制。但如果他面前沒有鍋子、沒有鍋鏟、沒有爐子，他只能把食譜說給你聽——沒辦法真的做出一盤菜。

這就是沒有 Tool Use 的 AI。它的知識再豐富，也只能輸出文字，無法真的在這個世界上「做」任何事。

Tool Use（工具使用），就是給這位廚師裝備上廚具。有了 Tool Use，AI 就能：

• 呼叫外部 API（例如查詢天氣、查股票、查資料庫）
• 執行終端機指令（Terminal Command）
• 搜尋瀏覽器、讀取網頁內容
• 操作沙盒資料夾（Sandbox）裡的檔案
• 運行你自己定義的自訂技能（Skill）

Tool Use 在技術上也常被叫做 Function Calling——AI 收到一個需要「做事情」的請求時，會決定要呼叫哪個工具、帶什麼參數，執行後再把結果整合進回答。這讓 AI 從「文字生成器」變成了「行動執行者」。

AI Agent Tool Use 的實際運作循環

AI Agent 在使用 Tool Use 時，會進入一個反覆的循環：

步驟	AI 做的事
1. 決策	判斷這個任務需要哪個工具
2. 呼叫工具	執行 API 呼叫或函式
3. 接收結果	讀取工具回傳的資料
4. 判斷下一步	是否需要再次呼叫，或直接回答

這個循環讓 AI 可以自主驗證、自主找資料，不再只是「一問一答」，而是能拆解複雜任務、分步驟執行。如果你用過 Claude Code，裡面的 Skills 功能就是 Tool Use 的一種實作形式——你自己定義技能，AI 在判斷需要時自動呼叫它。

什麼是 RAG？AI 的「外接知識庫」

換個情境：這次廚師有了工具，可以下廚了。但如果今天他遇到一道從來沒做過的菜、一種不熟悉的食材，他要怎麼辦？

他可以從腦袋裡搜尋記憶——找找看有沒有類似的食材，有沒有相近的料理方式，靠過往的經驗「推測」出可能可行的方法。這個從記憶庫裡搜尋、整合再回應的過程，就有點像 RAG。

RAG（Retrieval-Augmented Generation，檢索增強生成） 的核心流程是：

1. Retrieval（檢索）：從外部知識庫（文件、資料庫、PDF、Markdown 檔案等）撈出相關內容
2. Augmented（增強）：把這些內容當成「上下文」塞進 AI 的提示詞
3. Generation（生成）：AI 根據這些新鮮資料產生更準確的回答

RAG 解決的是 AI「不知道你公司內部文件長什麼樣子」的問題。你可以把公司的 SOP、產品手冊、客服記錄全部建成一個向量資料庫，讓 AI 在回答前先去查一查，這樣它說的話就不只是靠訓練資料在猜，而是真的有根據。

RAG 跟 AI Memory 的差別

很多人容易把 RAG 跟 AI 的「記憶」混在一起。其實兩者的差別很明顯，如果你用過 Obsidian 管理知識庫，RAG 的概念很像是讓 AI 能夠搜尋你的 Obsidian vault——它不是把所有筆記都放進腦子，而是在需要的時候去搜一搜，找到最相關的片段再回答你。

比較項目	AI Memory	RAG
資料來源	對話歷史、記憶檔案	外部文件、知識庫
更新方式	對話中自動累積	手動建立向量索引
用途	記住你的偏好和背景	查詢特定領域知識
資料狀態	有狀態（跨 session 保存）	無狀態（每次查詢）

AI Agent Tool Use vs RAG：一張表看清楚差別

比較維度	Tool Use	RAG
本質	讓 AI 能執行動作	讓 AI 能查詢知識
典型應用	呼叫 API、執行指令、操作程式	查公司文件、知識庫問答
廚師比喻	有了鍋子、鍋鏟，能真的下廚	從食譜記憶庫找到適合的做法
輸出類型	動作結果（資料、執行回饋）	文字回答（基於知識）
是否能自主	是，AI 決定何時呼叫哪個工具	相對被動，查詢後整合

兩者並不衝突，事實上現代 AI Agent 通常同時具備這兩個能力。RAG 可以是 Tool Use 的其中一個工具——AI 在判斷「這個問題需要查知識庫」時，就呼叫 RAG 工具，把檢索結果帶回來再回答。

Agentic RAG：把 RAG 當成 AI Agent 的一個 Tool

這帶出了目前最主流的架構方向：Agentic RAG。

傳統的 RAG 很直線——使用者問問題 → 系統去知識庫查 → 把結果給 AI 生成回答。整個流程是固定的，每次都一定要先查再回答。

但如果 AI 本身就是一個 Agent，它可以自己判斷：

「這個問題我已經知道答案了，不需要查知識庫。」
「這個問題需要最新資料，我先去搜尋一下再回答。」
「我找到的資訊好像不夠完整，要重新改一下查詢關鍵字再搜一次。」

這個「AI 自己決定要不要查、查什麼、查幾次」的流程，就是 Agentic RAG。它讓知識檢索從一個固定的前置步驟，變成一個動態的工具——Agent 在需要的時候才去叫它。根據 2025–2026 年的趨勢報告，預計到 2026 年有 75% 的企業 AI 應用會採用這種混合架構。

第一步：怎麼開始理解和體驗 AI Agent Tool Use 與 RAG

如果你跟我一樣是從「你問它答」慢慢摸索進來的，以下幾個入門方式比較直覺：

1. 體驗 Tool Use：直接用 Claude Code，讓它幫你執行一個終端機指令或呼叫 Web Search，感受 AI 怎麼自己決定呼叫工具再整合結果
2. 了解 Function Calling 概念：去 Anthropic 或 OpenAI 的官方文件看 Tool Use 的 JSON Schema 定義，不需要會寫，先理解「AI 怎麼知道要呼叫哪個工具」
3. 試用 RAG 應用：用 NotebookLM（Google）上傳幾份 PDF，問它裡面的問題，感受「AI 查文件再回答」跟「AI 靠訓練資料瞎猜」的差別
4. 探索 Agentic RAG 框架：看看 LangChain、LlamaIndex 怎麼把 RAG 包裝成 Agent 的一個工具，不需要自己建，先看架構圖有感覺就夠了
5. 重新認識 Claude Code 的 Skills：如果你已經在用 Claude Code，你其實已經在使用 Tool Use 了——Skills 就是你自己定義給 AI 的工具，這是最直接的切入點

結語整理

概念	一句話總結
Tool Use	讓 AI 從「說食譜」變成「真的下廚」
RAG	讓 AI 在回答前先去查你的知識庫
AI Agent	同時具備行動力和知識查詢能力的 AI
Agentic RAG	把 RAG 當成 Agent 的一個工具，動態決定是否查詢

對大多數使用者來說，AI 還是停留在「問答機器」的印象。但其實從你開始讓 AI 執行一個真實的動作起——無論是呼叫 API、搜尋網頁、還是查詢你自己的文件——你就已經踏進 AI Agent 的世界了。你覺得自己現在用的 AI 工具，有沒有這些能力呢？歡迎留言分享！

---

FAQ：AI Agent Tool Use 與 RAG 常見問題

Q1：Tool Use 跟 Function Calling 是同一件事嗎？

是的，兩者是同一個概念，只是不同廠商的叫法不同。Anthropic（Claude）稱之為 Tool Use，OpenAI（GPT）稱之為 Function Calling，本質上都是讓 AI 在對話中決定呼叫外部函式或 API，執行後把結果整合進回答。

Q2：RAG 需要很高的技術門檻才能使用嗎？

取決於用途。如果是想體驗 RAG 的效果，Google 的 NotebookLM 完全不需要任何技術能力，上傳文件就能問答。如果想自己建立 RAG 系統（例如公司內部知識庫），就需要了解向量資料庫（Vector DB）、Embedding 模型等技術，門檻相對高一些。

Q3：為什麼 AI Agent 要同時用 AI Agent Tool Use 和 RAG？

因為兩者解決不同的問題。Tool Use 解決「能不能做」的問題，RAG 解決「知不知道」的問題。一個完整的 AI Agent 需要同時具備行動能力（Tool Use）和知識查詢能力（RAG），才能處理真實世界的複雜任務。

Q4：Agentic RAG 跟傳統 RAG 的最大差別是什麼？

傳統 RAG 是固定流程：每次提問都一定先查知識庫再回答。Agentic RAG 讓 AI 自己判斷是否需要查詢、查幾次、用什麼關鍵字查，甚至在發現結果不夠完整時重新調整查詢策略。這讓回答品質更好，也避免了不必要的查詢浪費。

Q5：一般使用者（非工程師）需要懂 Tool Use 和 RAG 嗎？

不一定要懂原理，但了解「AI 能做到這些事」很有幫助。當你知道 AI 可以呼叫工具、查詢你的文件時，你會開始思考可以讓它幫你完成更多具體任務，而不只是停留在「問答」的使用方式。這也是 AI 工具的應用能力從少數工程師逐漸普及到所有人的關鍵。

Q6：Claude Code 的 Skills 功能跟 AI Agent Tool Use 有什麼關係？

Claude Code 的 Skills 本質上就是 Tool Use 的一種實作形式。你定義了一個 Skill，等於是告訴 Claude 在什麼情況下呼叫這個工具、要執行什麼指令。Claude 在判斷合適時機後，會自動呼叫對應的 Skill——這就是 AI Agent Tool Use 在實際產品裡的應用方式。

---

參考來源

• NVIDIA Blog：Traditional RAG vs. Agentic RAG
• DigitalOcean：RAG, AI Agents, and Agentic RAG Comparative Analysis
• Prompt Engineering Guide：Function Calling in AI Agents
• AWS：What is Retrieval-Augmented Generation (RAG)?
• arXiv：Agentic Retrieval-Augmented Generation Survey