某軟體顧問公司正在為客戶規劃一套 Agentic AI 專案管理系統，用於協助 AI 代理自主完成跨部門任務協調。在系統設計過程中，團隊採用解決方案圖（Solution Graph）作為任務與決策的結構表示，並由大型語言模型（LLM）負責推理與行動生成。請問下列何者最能說明 LLM 與 Solution Graph 之間的關係？

Question

(A) LLM 可根據問題進行推理，產生任務步驟與其關聯，並據此協助建構 Solution Graph 作為後續行動規劃依據
(B) LLM 主要擅長生成自然語言內容，對於結構化任務關係的建構能力有限，通常不參與 Solution Graph 的形成
(C) Solution Graph 主要由系統依既定流程與規則生成，LLM 不參與其結構建構，僅提供輔助資訊
(D) LLM 主要負責人機對話與回應生成，並不參與任務規劃或 Solution Graph 的建立

Accepted Answer

正確答案：(A) LLM 可根據問題進行推理，產生任務步驟與其關聯，並據此協助建構 Solution Graph 作為後續行動規劃依據

在 Agentic 系統中，LLM 與 Solution Graph 是相輔相成的關係。LLM 具備語意理解與推理能力，能把一個模糊的目標拆解成具體的子任務、判斷它們之間的先後與依賴——這些推理產出的內容，正好就是圖譜的節點與連結。因此圖譜不是事先寫死的，而是由 LLM 動態推理建構出來的，再回過頭作為後續行動規劃的依據。

核心概念