課程簡介
從自動完成到代理人:為何代理人會失敗
• 編碼代理人解剖:模型、包裝層、工具表面、情境、權限
• 各工具的定位:Claude Code、GitHub Copilot、Cursor、Codex CLI、Gemini CLI
• 失敗分類法:錯誤情境、錯誤工具、缺乏回饋、無限自主權
示範:同一任務,並列展示良好運作與失敗運行的結果
情境工程
• 將情境視窗視為預算:什麼內容值得佔據空間
• AGENTS.md、CLAUDE.md、.cursor/rules、copilot-instructions.md — 同一概念,多個檔名,單一來源
• 慣例、建置與測試指令、架構邊界
• 檢索 versus 明確情境;任務分解與子代理人
練習:為陌生的 Python 服務編寫程式庫情境,重新執行失敗的任務並比較輸出結果
可重複使用的流程與代理人技能
• 選擇抽象層級:指令檔、技能、自訂命令或純腳本
• 技能的解剖:觸發機制、指令、附屬腳本、漸進式揭露
• 跨工具的移植性,以及鎖定的開始點
• 版本控制、審查與團隊分發;常見反模式
練習:建構並測試可重複使用的流程,強制執行家庭編碼標準
MCP:將代理人連接至真實系統
• 架構:用戶端、伺服器、工具、資源與提示;stdio 與 HTTP 傳輸
• 值得保留的伺服器:Git 託管、問題追蹤器、資料庫、瀏覽器、內部 API
• 何時 CLI 或腳本勝過 MCP 伺服器
• 工具表面衛生:為何工具越多,可靠性越低
練習:配置 MCP 伺服器並端到端完成一個工單 — 問題、分支、修補程式、測試、合併請求
回饋循環與評估
• 將測試、型別和程式碼檢查器視為代理人的事實基礎;以測試優先工作作為控制機制
• CI 作為外層循環,以及針對代理人編寫的差異的審查紀律
• 黃金任務評估集:應測量什麼,以及如何偵測回歸
• 將成本與延遲視為一級指標
練習:建構小型評估集,並對兩個代理人配置進行評分
安全性與防護網
• 透過問題、合併請求、README、相依性和取得頁面的提示注入
• 權限模型:白名單、核准、唯讀工具、網路出口控制
• 機密資料衛生與沙盒化:容器、臨時憑證、限制爆炸半徑
• 第三方 MCP 伺服器與共用技能的供應鏈風險
練習:觀察代理人如何被毒化程式庫劫持,隨後強化設定以防止此情況發生
部署至團隊
• 階梯式採用路徑;哪些應標準化,哪些應留給個人
• 顯示真實價值的指標,以及那些不具意義的指標
最低要求
• 具備 Python、Git 和命令列的實戰知識
• 曾接觸過 AI 編碼輔助工具
• NobleProg 將為參與者配置 Dadesktop VM,內建 Docker、VS Code 及 Python 3.11 或更新版本
• 學員自行選擇的 AI 編碼輔助工具:Claude Code、GitHub Copilot、Cursor、Codex CLI 或 Gemini CLI。實驗室練習採用工具無痛方式設計,並針對各工具提供對應說明
適用對象
• 使用 AI 編碼輔助工具卻無法獲得可靠結果的軟體工程師、技術主管與架構師
• 在團隊中部署 AI 工具的平台工程與開發體驗工程師
• 制定標準、防護網及成功指標的工程經理
客戶評論 (3)
培訓師很有耐心,也非常樂於助人。他對主題非常瞭解。
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
課程 - Agentic AI for Business Automation: Use Cases & Integration
機器翻譯
知識與實踐的良好結合
Ion Mironescu - Facultatea S.A.I.A.P.M.
課程 - Agentic AI for Enterprise Applications
機器翻譯
理論與實踐的結合,以及高層與底層視角的融合
Ion Mironescu - Facultatea S.A.I.A.P.M.
課程 - Autonomous Decision-Making with Agentic AI
機器翻譯