聯繫我們

課程簡介

代理式 AI 介紹

  • 定義代理式 AI 及其與傳統 AI 系統的關聯
  • 推理、記憶與目標驅動架構的概述
  • 關鍵應用場景與產業應用

核心概念與設計模式

  • 代理循環:感知、推理與行動
  • 單一代理與多代理系統之比較
  • 環境互動與工具呼叫

提示工程基礎

  • 設計用於推理與任務分解的有效提示
  • 運用範例、約束條件與角色以提高控制力
  • 系統性地偵錯與迭代提示

建立簡單的代理工作流

  • 在 Python 中實現代理循環
  • 整合 API 與簡單工具
  • 管理代理狀態與記憶

負責任設計與安全實踐

  • 倫理考量與代理的負責任使用
  • AI 系統中的偏見、透明度與問責制
  • 存取控制、資料保護與內容安全

實作專案:設計負責任的代理

  • 定義問題範圍與目標
  • 開發提示與控制邏輯
  • 測試、優化並評估代理行為

總結與下一步

最低要求

  • 具備 AI 或機器學習概念的基本理解
  • 熟悉 Python 語法與指令碼撰寫
  • 有處理數據或基於 API 的應用程式經驗

受眾

  • 初入代理式 AI 開發領域的資料科學家
  • 探索應用型代理架構的初級 ML 工程師
  • 希望了解代理設計與安全原則的技術經理
 14 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