台中市現場Agentic AI培訓

生成式 AI 與自主智能體 AI 是推動自動化與智慧化新趨勢的兩大強大火力——前者專注於內容生成，後者則致力於目標導向的自主行為。

本課程採用講師現場授課形式（線上或線下），適合具有中級水準的 AI 及技術專業人員，旨在協助學員理解如何建構、評估並將生成式與自主智能體 AI 整合至實際應用場景。

完成本課程後，學員將能夠：

• 理解生成式 AI 系統的架構與能力。
• 探討自主智能體 AI 的興起，及其如何擴展大型語言模型 (LLM) 的功能。
• 運用提示工程 (Prompt Engineering) 與工具整合進行實務部署。
• 比較用於負責任部署的模型、工具與技術。

課程格式

• 互動式講授與討論。
• 實作演練，於真實場景中使用生成式與自主智能體 AI 工具。
• 引導式練習，專注於內容生成與自主工作流。

課程客製化選項

• 若需針對此課程要求客製化培訓，請聯繫我們以安排。

代理式人工智慧（Agentic AI）是一類新興系統，能夠進行自主決策、任務執行和工作流編排。

本課程由講師親自指導，提供線上或線下培訓形式，適合希望了解代理式人工智慧如何重塑組織工作流、人才策略和職工設計的初級專業人士。

完成課程後，學員將能夠：

• 評估企業環境中代理式人工智慧的能力與限制。
• 識別任務自動化、增強與重新設計的機會。
• 評估勞動力影響並制定負責任的採用策略。
• 規劃安全、透明且合規的人工智慧部署治理框架。

課程格式

• 互動式講授和討論。
• 實用練習與情境分析。
• 在指導環境中親手探索代理式工作流。

課程客製化選項

• 如需索取此課程的客製化培訓，請聯繫我們安排。

實作型代理式人工智慧密集培訓課程（Hands-On Agentic AI Bootcamp）是一門密集的專案導向課程，旨在協助學員透過實踐獲得設計、建構及部署自主式 AI 代理程式的經驗。學員將透過五個逐步增加的複雜度專案，探索代理式設計模式、提示工作流程、API 協調以及真實世界的整合情境。

這門由講師主導的培訓課程（可線上或線下進行）適合初級至中階專業人士，協助他們從理論快速轉向實作，開發可運作的代理式 AI 應用程式原型。

完成此培訓後，學員將能夠：

• 理解代理式 AI 架構及關鍵設計原則。
• 在 Python 中開發、測試並部署多個基於代理程式的應用程式。
• 將代理程式與外部工具、API 和資料庫整合。
• 最佳化提示和工作流程，以提升效能與可靠性。
• 套用監控、版本控制和擴展代理系統的最佳實踐。

課程形式

• 互動式講授與引導式編碼 session。
• 實作專案開發與除錯。
• 端到端代理程式部署的現場示範。

課程客製化選項

• 如需針對此課程要求客製化培訓，請聯繫我們以安排事宜。

邊緣與輕量級智能體是一門實務課程，專注於在資源受限裝置上部署智能體 AI 工作負載。學員將學習建置、最佳化及管理具備本地推理能力的輕量級智能體，以提升分散式環境中的速度、隱私性與可靠性。課程強調效能微調、低延遲設計以及硬體與軟體的整合。

本講師主導的現場培訓（線上或線下）針對希望使用 Python 和邊緣 AI 框架來實現並最佳化設備端智能體系統的初級至中級專業人士。

完成本課程後，學員將能夠：

• 理解在邊緣裝置上運行智能體 AI 的架構與挑戰。
• 設計適合資源受限環境的輕量級智能體迴圈。
• 使用 TensorFlow Lite、PyTorch Mobile 和 ONNX 實現本地推理。
• 將智能體整合至感測器、致動器和 IoT 平台。
• 最佳化效能、能源消耗及延遲，以滿足即時運作需求。

課程格式

• 互動式講座與實務示範。
• 在本地或模擬環境中進行實作開發。
• 基於專案的學習與引導式實作練習。

課程客製化選項

• 如需為本課程申請客製化培訓，請聯繫我們以安排。

代理式 AI（Agentic AI）指的是能自主行動以達成目標的系統，整合了推理、記憶與工具使用能力。本課程提供結構化的代理式 AI 概念入門，著重於提示工程、架構設計模式以及負責任的使用實踐。參與者將獲得建立、引導和安全部署代理的有效基礎知識。

這門由導師帶領的實時培訓（線上或線下）旨在幫助初級至中級專業人士，透過實用框架和範例了解如何設計、提示及管理負責任的代理系統。

完成本培訓後，參與者將能夠：

• 解釋代理式 AI 系統的核心理念與生命週期。
• 應用提示工程技術以有效完成任務。
• 使用工具存取和決策邏輯設計簡單的代理工作流。
• 在 AI 代理中實施安全性、治理及負責任使用的考量。
• 使用開放框架和 Python 建立原型代理。

課程格式

• 互動式講座與引導式示範。
• 實作練習與程式碼撰寫實踐。
• 協作討論與案例導向活動。

課程客製化選項

• 如需此課程的客製化培訓，請聯繫我們以安排。

針對商業自動化的Agentic AI是一門實作導向課程，旨在教導學員如何為真實世界的商業流程設計、整合並擴展AI驅動的代理程式。本課程著重於自動化機會的梳理、工具的整合，以及在客戶服務、供應鏈和行銷工作流程中建立實務性的使用案例。

這門由講師帶班的實體培訓（線上或線下），目標受眾是希望透過無代碼、低代碼及基於Python的方法來實施AI驅動自動化的初階專業人士。

完成本培訓後，學員將能夠：

• 識別可提升流程效率與創新的Agentic AI關鍵領域。
• 梳理適合整合AI代理的工作流程。
• 透過API和編排工具實施自動化。
• 在具有可衡量影響力的真實商業場景中整合AI模型。
• 開發支持AI驅動運營的治理與監控架構。

課程格式

• 互動式講座與實作示範。
• 實作練習與導引專案。
• 在沙盒自動化環境中的即時實施。

課程客製化選項

• 若要要求此課程的客製化培訓，請聯繫我們進行安排。

本課程探討使用 Python 設計、協調和實現多代理系統 (MAS)。參與者將學習如何建構能夠溝通、協作並適應複雜動態環境以達成共同目標的代理。

這門由講師指導的實時培訓（線上或線下）旨在為希望為智能自動化、模擬和決策應用設計和實施多代理系統的高級專業人士提供服務。

完成本培訓後，參與者將能夠：

• 理解多代理系統的架構和原理。
• 開發具備溝通、協調和協商能力的代理。
• 實施用於代理互動的分佈式環境。
• 在多代理情境中應用強化學習和規劃。
• 模擬協作和競爭的代理行為。
• 設計結合人類與智能代理的混合工作流程。

課程格式

• 講師指導的講授和實時示範。
• 使用開源代理框架進行實作練習。
• 模擬多代理場景的應用小組專案。

課程客製化選項

• 如需索取本課程的客製化培訓，請聯繫我們進行安排。

本課程探討強化學習 (RL) 和序列決策的原理及其在 Agent AI 系統中的實現。參與者將學習如何設計、訓練並評估與環境動態互動以透過學習和適應達成長期目標的 Agents。

這門由講師主導的課程，提供線上或線下 live 培訓形式。它面向希望將強化學習和規劃算法整合到自動化、機器人和適應性推理 Agent 系統中的中高級工程師和研究員。

完成本培訓後，參與者將能夠：

• 理解強化學習和決策的數學基礎。
• 使用 Python 和 PyTorch 實現 DQN、PPO 和 A3C 等關鍵 RL 算法。
• 使用 OpenAI Gym 建模環境並設計自定義模擬場景。
• 為連續和離散控制任務訓練、評估和調試 Agents。
• 將強化學習技術應用於機器人和規劃中的 Agent AI 用例。
• 平衡現實部署中的探索、開發和安全約束。

課程形式

• 講師主導的講授和 live 編碼演示。
• 使用開源框架和模擬環境的實戰練習。
• 整合決策到 Agent AI 系統的應用項目。

課程自定義選項

• 如需申請此課程的自定義培訓，請聯繫我們安排。

本課程著重於在生產環境中擴展、營運及管理代理式 AI 系統，強調可靠性、可觀測性及成本效率。

此為講師帶領的實體培訓（線上或線下），目標受眾為希望為大規模代理系統建立具韌性、可觀測且成本優化的管線的進階專業人士。

完成培訓後，學員將能夠：

• 為代理式 AI 負載設計可擴展的架構。
• 實作專為代理行為及互動設計的可觀測性與監控框架。
• 套用效能調校與資源優化技術，以處理長期執行的代理進程。
• 透過政策、編排及自動化手段控管成本並防止「代理過度擴散」。
• 整合 MLOps 最佳實踐，實現代理服務的持續部署、版本控管與復原機制。

課程形式

• 注重實作、以工程為導向的講習，包含實體基礎設施範例。
• 針對架構取捨及可觀測性挑戰進行互動式討論。
• 期末專案：部署並監控具備成本控管機制的生產級代理系統。

課程客製化選項

• 如需此課程的客製化培訓，請聯繫我們以安排相關事宜。

WrenAI 讓組織能夠超越靜態儀表板，轉向對話式分析和嵌入式生成式商業智能。這一轉型需要謹慎的採用規劃、資產遷移以及有效的變革管理實踐。

這門由講師主導的實時培訓（線上或線下）旨在幫助中級商業智能和數據平台專業人士，使用 WrenAI 革新傳統商業智能系統。

在完成本培訓後，參與者將能夠：

• 評估傳統商業智能環境，識別革新機會。
• 規劃並執行從靜態儀表板到 WrenAI 的遷移。
• 採用對話式分析和嵌入式生成式 BI 功能。
• 領導組織在商業智能革新中的變革管理。

課程格式

• 互動講授與討論。
• 結合遷移與採用規劃的實作練習。
• 關於對話式分析和嵌入式生成式 BI 的實踐實驗室訓練。

課程客製化選項

• 如需為此課程申請客製化培訓，請聯繫我們進行安排。

本課程涵蓋自治型 AI 系統的治理、身份管理以及對抗性測試，專注於企業級的安全部署模式與實用的紅隊測試技術。

此培訓由講師主講，提供線上或線下直播形式（請注意，"Live"一詞不翻譯），專為希望在生產環境中設計、保護並評估基於代理人的 AI 系統的高階從業人員而設。

完成本培訓後，參與者將能夠：

• 定義安全自治 AI 部署的治理模型與政策。
• 為代理人設計非人類身份與認證流程，並遵循最小權限原則。
• 實施針對自主代理人的存取控制、審計軌跡及可觀測性。
• 規劃並執行紅隊測試，以發現誤用、權限提升路徑及資料外洩風險。
• 透過政策、工程控制及監控，緩解自治系統的常見威脅。

課程形式

• 互動式講座與威脅建模工作坊。
• 實作演練：身份配置、政策執行及對手模擬。
• 紅隊/藍隊對抗演練及課程結束考核。

課程客製化選項

• 如需此課程的客製化培訓，請聯繫我們進行安排。

Python 是驅動自主 AI 代理開發與運作的核心語言。本課程著重於使用 LangChain 和 AutoGen 等現代 SDK 與框架，進行實務應用以建立、連接並管理代理工作流程。

本課程由講師帶領的線上或線下培訓活動，針對具備中階水平的後端工程師、平台工程師及機器學習工程師設計。課程內容旨在協助學員使用 Python 工具與 API 來實作並編排自主代理。

完成此培訓後，參與者將能夠：

• 設定並配置基於 Python 的代理系統開發環境。
• 使用 LangChain 和 AutoGen 等流行代理 SDK 來建立功能性代理。
• 整合工具與 API，以擴充代理能力。
• 編排多代理工作流程及溝通模式。
• 應用除錯、測試與維護代理程式碼庫的最佳實踐。

課程形式

• 互動式講授與討論。
• 實作程式設計練習與現場示範。
• 建立端到端代理工作流程的實務專案。

課程客製化選項

• 如需針對此課程請求客製化培訓，請聯絡我們安排。

WrenAI 賦予財務團隊建立 KPI、整合標準化指標，以及設計符合法規要求與審計標準之儀表板的能力。

此課程由講師親自指導，提供線上或線下培訓方式，主要針對中階至高階財務專業人士，協助其運用 WrenAI 建置合規的財務數據模型與儀表板，以支援決策制定與風險管理。

完成本課程後，參與者將能夠：

• 在 WrenAI 中建立財務 KPI 與指標。
• 建構符合法規與審計要求的儀表板。
• 整合 WrenAI 與財務數據源，實現即時報告。
• 應用財務分析與風險監控的最佳實務。

課程形式

• 互動式講授與討論。
• 針對財務數據模型的實作練習。
• 儀表板設計與合規報告的實務實驗室訓練。

課程客製化選項

• 如需為本課程提出客製化培訓請求，請聯繫我們以安排。

本課程教授實用工程技術，以設計、建構、測試及部署基於 Python 的代理（自主）系統。內容涵蓋代理迴圈、工具整合、記憶體與狀態管理、編排模式、安全控制及生產環境考量。

此講師主導之實作培訓（線上或線下）旨在幫助中階至進階 ML 工程師、AI 開發人員及軟體工程師，利用 Python 建構穩固且可投入生產的自主代理系統。

課程結束後，學員將能夠：

• 設計並實現代理迴圈與決策工作流。
• 整合外部工具與 API，以擴展代理功能。
• 為代理系統實作短期與長期記憶體架構。
• 協調多步驟編排及代理組合性。
• 應用已部署代理之安全、存取控制及可觀測性最佳實踐。

課程形式

• 互動式講座與討論。
• 透過 Python 及主流 SDK 實作代理之手腦並用實驗室練習。
• 以專案為導向之練習，產出可部署的原型。

課程自訂選項

• 如需此課程的客製化培訓，請聯繫我們安排。

WrenAI 支援自然語言轉譯為 SQL 及 AI 驅動的資料分析，使資料存取更為快速且直覺。對於企業級應用而言，確保準確性、可靠性與合規性的品質保證與可觀測性實踐至關重要。

此課程由講者主講，提供線上或線下即時培訓（Live），主要針對進階級別的資料及分析專業人士，協助他們評估查詢準確度、應用提示微調技術，並實施 WrenAI 在生產環境中的可觀測性實踐。

完成本課程後，學員將能夠：

• 評估自然語言轉譯為 SQL 輸出的準確度與可靠性。
• 應用提示微調技術以提升效能。
• 隨時間追蹤漂移及查詢行為。
• 透過日誌及可觀測性架構對 WrenAI 進行Instrumentation（工具化）。

課程形式

• 互動式講座與討論。
• 結合評估與微調技術的實作練習。
• 關於可觀測性與監控整合的實務實驗室。

課程客製化選項

• 如需此課程的客製化培訓，請聯絡我們安排。

代理型AI（Agentic AI）是一種方法，其中的AI系統在既定約束條件下規劃、推理並使用工具採取行動以達成目標。

這門課程由專業講師進行現場指導，提供線上或線下的培訓選項。該課程旨在為希望設計、評估和監管代理型AI解決方案，以應用於臨床和操作場景的初級至中級醫療及數據團隊量身打造。

完成本培訓後，學員將能夠：

• 解釋醫療環境中代理型AI的概念與約束條件。
• 規劃、記憶及使用工具的代理工作流程設計，確保安全。
• 在臨床文檔和知識庫之上構建檢索增強式代理。
• 使用防護機制和人機協作控制來評估、監控和監管代理行為。

課程形式

• 互動講座與引導討論。
• 沙盒環境中的引導實驗和代碼 walkthrough。
• 關於安全性、評估和治理的場景化練習。

課程客製化選項

• 如需此課程的客製化培訓，請聯絡我們進行安排。

WrenAI 是一款由 AI 驅動的分析平台，旨在連結數據、建構洞察並生成儀表板。在企業環境中，健全的治理與安全措施對於確保採用過程的安全與合規至關重要。

本次培訓由講師現場指導，提供線上或線下課程選項，主要針對希望大規模實施 WrenAI 治理、合規及安全模式的進階企業專業人員。

完成本次培訓後，學員將能夠：

• 設計並實作 WrenAI 中的權限管理模型。
• 應用審計可追溯性與監控實踐以滿足合規要求。
• 設定具備企業級控制的環境。
• 在大型組織中安全地推行 WrenAI。

課程格式

• 互動式講授與討論。
• 結合治理與安全配置的實務實驗室操作。
• 模擬企業部署情境的實作練習。

課程客製化選項

• 如需為本課程申請客製化培訓，請聯繫我們以安排事宜。

本課程為在台中市（線上或線下）舉辦的講師主導實戰培訓，旨在協助中階級別的人工智慧開發者及自動化專家將自治能力整合至人工智慧驅動的應用程式中。

完成本培訓後，學員將能夠：

• 理解具自治能力的人工智慧原理及自主決策機制。
• 實作具備自我最佳化技術的目標導向人工智慧代理。
• 整合多代理協作，以解決複雜問題。
• 透過適應性使用者體驗，增強人機互動。
• 在實際應用中部署具自治能力的人工智慧模型。

WrenAI 電子表格與指標庫透過 AI 驅動的電子表格工作流程以及預先構建、跨平台的商業指標庫，實現快速報表。

此課程由導師現場指導（可線上或線下進行），主要針對希望利用 WrenAI 電子表格和指標庫加速報表生成與分析的初級至中級業務專業人士。

完成本課程後,學員將能夠:

• 構建用於數據分析和報表的 AI 驅動電子表格。
• 利用 WrenAI 指標庫實現標準化 KPI。
• 將電子表格連接到多個數據源以獲得實時更新。
• 創建自動化工作流程,簡化業務報表流程。

課程格式

• 互動式講解與討論。
• 使用 WrenAI 進行電子表格實操。
• 指標與 KPI 報表的實踐練習。

課程定制選項

• 如需本課程的定制化培訓,請聯繫我們安排。

本課程由講師主導，提供現場（線上或線下）培訓，旨在協助進階專業人士利用自主式AI框架開發及優化多智能體系統。

課程結束後，學員將能夠：

• 理解多智能體環境中自主式AI的原理。
• 開發可自主互動的AI驅動代理。
• 實現強化學習，以獲得適應性AI行為。
• 優化多智能體間的協作與競爭。
• 將自主式AI應用於機器人、遊戲及企業自動化領域。

WrenAI API 是強大的介面，可從自然語言產生 SQL 查詢、建構客製化應用程式，並將圖表整合至內部平台。

此由講師指導的課程（線上或線下）旨在協助中階工程師實際應用 WrenAI API，包含 SQL 產生、視覺化及應用程式整合。

完成本課程後，參與者將能夠：

• 驗證身分並連接應用程式至 WrenAI API。
• 從自然語言輸入產生 SQL 查詢。
• 使用 API 端點建立及嵌入圖表。
• 將 WrenAI 整合至後端系統與內部工具。

課程形式

• 互動式講授與討論。
• 搭配 API 呼叫與整合的實作練習。
• 串接應用程式、圖表及資料管線的實務專案。

課程客製化選項

• 如需為此課程申請客製化訓練，請與我們聯繫以安排。

本課程為導師主導、在台中市（線上或線下）舉辦的實時培訓，旨在協助高階專業人士利用自治型AI推動企業級自動化與戰略性AI採用。

完成本培訓後，學員將能夠：

• 了解自治型AI在企業應用中的角色。
• 將自主AI代理整合至企業系統。
• 優化由AI驅動的工作流程，提升擴展性與效率。
• 確保AI自動化過程中的合規性、安全性與治理。
• 制定推動數位轉型的AI驅動業務策略。

WrenAI Cloud 是一個現代化平台，用於連接資料來源、建立資料模型以及建構互動式儀表板。

本課程由講師親自指導，提供線上或線下培訓方式，針對初級至中級的專業數據分析人員設計，幫助他們學習如何部署 WrenAI Cloud、建立資料模型，並在儀表板中呈現洞察結果。

完成本課程後，參與者將能夠：

• 部署並配置 WrenAI Cloud 環境。
• 將 WrenAI Cloud 連接至多個資料來源。
• 建立資料模型，定義用於分析的關係。
• 建構互動式儀表板，以獲取業務洞察。

課程形式

• 互動式講授與討論。
• 雲端平台配置與資料建模的實作操作。
• 儀表板建構與視覺化的實務練習。

課程客製化選項

• 如需申請此課程的客製化培訓，請與我們聯繫以進行安排。

本課程由講師帶領，提供線上或線下實戰培訓，針對希望利用代理型AI在複雜商業與技術場景中進行決策的高階專業人士設計。

完成本課程後，學員將能夠：

• 理解AI自主決策的基本原理。
• 設計並實現幾乎不需人工干預的AI代理。
• 將代理型AI整合至自動化工作流與商業系統中。
• 優化基於AI的決策流程，以提升效率與擴展性。
• 確保AI自主運作中的合規性、安全性及倫理考量。

WrenAI 是一款開源的生成式 BI 工具，支援將自然語言轉換為 SQL 以及語義數據建模。

此課程由講師主導進行（線上或線下），主要針對高級數據工程師、分析工程師和機器學習工程師。旨在協助學員構建穩健的語義層、優化提示詞（prompts）並確保可靠的 SQL 生成。

完成本培訓後，學員將能夠：

• 實施語義模型，以跨團隊保持指標定義的一致性。
• 優化文本到 SQL 的性能，提升準確性與擴展性。
• 配置並執行防護機制，避免產生無效或高風險的查詢。
• 將 WrenAI OSS 整合至數據流程和分析工作流中。

課程格式

• 互動式講座與討論。
• 大量練習與實作機會。
• 在即時實驗室環境中進行實作演練。

課程客製化選項

• 如需針對此課程申請客製化培訓，請聯繫我們以安排詳情。

這項由講師指導的現場培訓（線上或線下）旨在面向希望在实际應用中構建和實施代理式人工智慧系統的初級人工智能工程師、機器學習研究人員和開發者。

通過這次培訓，參與者將能夠：

• 理解代理式人工智慧系統的核心原則。
• 實施能夠自主推理和行動的AI代理。
• 將代理式人工智慧與API和第三方服務集成。
• 優化複雜任務的多代理交互。
• 應對代理式人工智慧中的道德、安全性和擴展性挑戰。

WrenAI 使 SaaS 供應商能夠將生成式商業智慧 (GenBI) 直接嵌入其面向客戶的產品中。此課程旨在培養 SaaS 團隊的技能，使其能透過 Wren AI 的嵌入式 API 進行整合，設定白標分析功能，以及管理多租戶部署。

這門由導師指導的培訓課程（線上或線下），旨在針對中階至高階的 SaaS 產品負責人、數據工程師以及全端開發人員，協助他們在 SaaS 環境中將 WrenAI 作為嵌入式分析解決方案進行部署。

完成此培訓後，學員將能夠：

• 使用嵌入式 API 為面向客戶的應用程式整合 WrenAI。
• 實作帶有品牌與客製化功能的白標對話式 BI。
• 設計安全且具可擴展性的多租戶部署架構。
• 監控使用情況、最佳化效能，並確保 SaaS 環境中的合規性。

課程形式

• 互動式講授與討論。
• 使用 WrenAI 嵌入式 API 的實作練習。
• 工作坊：為 SaaS 應用場景設計並部署白標分析功能。

課程客製化選項

• 若要申請此課程的客製化培訓，請聯繫我們以進行安排。

這門在台中市舉行的線上或線下即時培訓，針對希望了解代理式人工智慧基本原則、功能及其對產業潛在影響的初學者專業人士設計。

完成本培訓後，學員將能夠：

• 理解代理式人工智慧的核心原則。
• 區分傳統人工智慧與自主人工智慧代理。
• 探索代理式人工智慧在各產業中的實際應用案例。
• 評估部署自主人工智慧系統的優勢與挑戰。
• 分析代理式人工智慧的倫理與安全考量。

WrenAI 是一個對話式分析平台，能將自然語言查詢轉換為可靠的分析結果，使非技術團隊能快速且一致地生成洞察。

本課程由導師親自指導（提供線上或線下培訓形式），針對希望採用對話式分析並利用 WrenAI 建立自助式商業智能能力的初級產品經理、數據分析師及數據倡導者，內容適宜具中等水平的受訓對象。

完成本課程後，學員將能夠：

• 設計可呈現可靠產品洞察的對話式分析工作流。
• 建立並維護標準化的指標層，確保報表一致性。
• 有效運用自然語言轉 SQL 功能，回答產品相關問題。
• 將 WrenAI 驅動的自助式儀表板及安全限制嵌入產品工作流。

課程形式

• 互動式講座與討論。
• 實作實驗室，使用 Wren AI 和範例資料集進行練習。
• 工作坊：建構自助式儀表板與對話式查詢集。

課程客製化選項

• 如需為此課程申請客製化培訓，請聯繫我們進行安排。

AI代理正從研究演示轉向生產系統，在文字、圖像、語音和工具驅動的工作流程中自主運作。這提高了工程嚴謹性、對抗性韌性以及監管問責制的要求。此由講師帶領的培訓將高級從業者帶過完整的代理生命週期，從架構單一與多代理系統，到整合多模態感知，並透過現代框架協調代理行為。基於Python的實作實驗室逐步建構一個生產級別的多代理系統，然後使用對抗性技術和Adversarial Robustness Toolbox進行壓力測試。課程結尾涵蓋與NIST AI RMF、ISO/IEC 42001、EU AI Act及GDPR的對齊，以及安全部署、監控和事件回應。學員將能夠交付具備能力、可防禦且合規的代理。

此為講師帶隊的實體培訓（線上或線下），目標受眾為初級至中級開發人員及雲端專業人士，希望利用阿里雲建構具備自動化任務、回答問題以及連線至業務系統能力的 AI Agent。

完成本課程後，參與者將能夠：理解阿里雲上的 AI Agent 架構，建立簡單的 Agent 工作流程，將 Agent 連線至企業知識與工具，並在雲端環境中部署和監控 Agent。