聯繫我們

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

 7 小時

人數


每位參與者的報價

客戶評論 (3)

即將到來的課程

課程分類