學生將學習建構「自主系統」——多代理框架，其中專門的 AI 實體協作、使用外部工具並自我修正以達成複雜的長期目標。
16 歲以上對 AI 自主性和協調感興趣的開發者和系統架構師。
角色式協作 (CrewAI)、有狀態代理 (LangGraph)、模型上下文協議 (MCP) 和代理友善搜尋 (Tavily)。
熟悉流程邏輯（分解、條件邏輯）、鍵值對、少樣本學習和思維鏈。
梯次 1：2026 年 7 月 6 日 - 7 月 17 日
梯次 2：2026 年 8 月 3 日 - 8 月 14 日 (英語)
本課程提供英語或中文授課。
學費：NT$XX,000
訂金：NT$2,000
早鳥優惠：省 15%（3 月 1 日前報名）
用於「角色式」多代理協作的主要框架（最適合團隊式工作流）。
基於圖形的框架，用於建構需要複雜分支和循環邏輯的「有狀態」代理。
安全連接代理到本地資料、工具和遠端 API 的通用標準。
專門的「代理友善」搜尋引擎，返回乾淨的 LLM 就緒資料而非原始 HTML。
| 天數 | 主題 | 實作活動 |
|---|---|---|
| 01 | 環境與 MCP | 代理閘道：設定 Python/Poetry 並使用 MCP。 |
| 02 | 角色工程 | 角色定義：學習定義「背景故事」和「目標」。 |
| 03 | 任務分解 | 拆解：將龐大目標分解為可執行步驟。 |
| 04 | 協調模式 | 流程設計：順序式 vs. 階層式工作流。 |
| 05 | 多代理協作 | 團隊啟動：建構三代理「Crew」。 |
| 天數 | 主題 | 實作活動 |
|---|---|---|
| 06 | 函數調用 | 工具帶：為 LLM 調用定義型別介面。 |
| 07 | 錯誤處理與備援 | 自我修正：設計工具失敗時的邏輯。 |
| 08 | 人機協作 (HITL) | 中斷點：實作使用者批准暫停。 |
| 09 | 短期與長期記憶 | 向量檔案管理員：整合 Pinecone 或 Chroma。 |
| 10 | 狀態持久化 | 暫停/恢復實驗室：使用 LangGraph 儲存狀態。 |