聯繫我們

課程簡介

四層個人化堆疊

第一層 | Knows – 規則與 AGENTS.md

涵蓋主題:
• 定義專案規範與編碼標準
• 記錄架構設計與技術限制
• 建立工具中立的專案指引
• 維持開發團隊與 AI 工具間的一致性

第二層 | Can – 技能 (Skills)

涵蓋主題:
• 創建可重複使用的專業知識單元
• 僅在必要時載入背景資訊
• 縮小上下文規模並提升任務效能
• 建構可重複使用的工作流與專家知識庫

第三層 | Reaches – MCP

涵蓋主題:
• 將 AI 工具連線至外部系統與服務
• 存取程式碼倉儲、資料庫與文件來源
• 擴充 AI 編碼助手的功能
• 實施安全的整合機制與治理控制

第四層 | Acts – Agents (智能體)

涵蓋主題:
• 理解自主 AI Agent 及其能力範圍
• 自主進行程式碼的閱讀、撰寫、測試與修正
• 管理以目標驅動的工作流與委派任務
• 建立監督機制與人工審查程序,以管控 Agentic 系統

第一天 | 委派與擴充工具功能

模組一 | 從助手到智能體

涵蓋主題:
• 理解 AI 助手與自主 Agent 之間的差異
• 行內程式碼補全與 Agentic 委派之比較
• Agentic 工作流如何改變開發任務的結構化方式
• 識別適合委派給 Agent 的任務類型
• 與自主 AI 系統協作的最佳實踐

模組二 | 無需全程監控的有效委派

涵蓋主題:
• 撰寫有效的 AI Agent 指令
• 提供充分的背景資訊與業務需求
• 定義執行的約束條件與邊界範圍
• 建立明確的驗收標準與成功衡量指標
• 在維持品質的前提下,最小化人工介入

模組三 | 個人化堆疊及其應用場景

涵蓋主題:
• 理解四層個人化堆疊架構
• 使用規則與 AGENTS.md 定義專案規範
• 判斷不同情境下適用的個人化機制
• 跨工具與專案有效率地管理上下文
• 建立一致的 AI 輔助開發環境

模組四 | 技能與子智能體 (Subagents)

涵蓋主題:
• 為常見工作流與任務創建可重複使用的技能
• 包裝專業知識以便重複使用
• 理解子智能體與隔離上下文的角色
• 將特定範圍的任務委派給專門的智能體
• 透過模組化 AI 工作流提升效率

第二天 | 工具連線、平行處理與治理

模組五 | MCP:連線與建置

涵蓋主題:
• 理解模型上下文協議 (MCP) 的核心原理
• 將 AI 工具連線至外部系統與服務
• 整合瀏覽器、資料庫、倉儲與文件來源
• 建置客製化的 MCP 伺服器
• 管理存取控制與安全性考量

模組六 | 紀律嚴謹的 Agentic 工作流

涵蓋主題:
• 建立可重複使用的 AI 輔助開發流程
• 與 AI Agent 共同進行腦力激盪與規劃
• 協作建構與實作解決方案
• 測試並驗證生成的輸出結果
• 透過適當的驗證步驟,審查與定案交付成果

模組七 | 平行開發

涵蓋主題:
• 同時執行多個 AI Agent
• 使用隔離分支與 Git worktrees 進行操作
• 協調平行工作流間的開發活動
• 合併並驗證來自多個 Agent 的輸出
• 透過平行執行策略提升生產力

模組八 | 風險、審查與治理

涵蓋主題:
• 評估與篩選外部技能與 MCP 伺服器
• 理解安全風險與治理挑戰
• 管理權限與存取權利
• 保護敏感資料與智慧財產權
• 建立審查程序與品質保證實踐

模組九 | AI 在軟體開發中的導入:案例與後續步驟

涵蓋主題:
• 組織如何將 AI 整合至軟體開發生命週期 (SDLC)
• 來自不同產業的真實應用案例與實作範例
• 常見的 AI 導入途徑:個人採用、團隊導入與全面組織賦能
• SDLC 各階段的典型用例:
• 需求收集與文件編撰
• 程式碼生成與原型製作
• 測試與品質保證
• 程式碼審查與重構
• 文件與知識管理
• DevOps 與事故管理
• 治理模型、政策與安全考量
• 衡量 AI 輔助開發的生產力與投資報酬率 (ROI)
• 建立內部 AI 導入路線圖
• 為學員及其團隊定義具體的後續步驟

互動討論工作坊

• 學員開發團隊面臨的當前挑戰
• 識別適合立即導入的高價值應用場景
• 風險、阻礙因素與組織層面的考量
• 制定 AI 整合的初步行動計畫

最低要求

具備專業開發經驗,熟悉命令列操作,並擁有 Git 實務知識。需定期使用 AI 編碼工具,或已完成基礎課程。

受眾對象

已使用 AI 工具的開發人員、負責團隊導入技術的技術主管,以及建構技能與 MCP 伺服器的平台或 DevOps 工程師。

 14 小時

人數


每位參與者的報價

客戶評論 (2)

即將到來的課程

課程分類