背景大綱
本課程將帶你深入 AI Agent 開發，從 LLM 基礎 到 企業級智能應用整合，全面掌握 GPT-4 及最新 AI 技術。課程涵蓋 Transformer 架構（Google 於 2017 年提出）、GPT-4 強化推理能力、Prompt Engineering 進階技術、RAG 增強檢索，讓 AI 更準確回應複雜問題。我們將實作 智能業務助理、數據分析 Agent、客服 AI，結合 自動化爬蟲、知識檢索、上下文優化 等技術，打造真正能解決企業需求的 AI 應用。此外，你將學習 多 Agent 協作架構，理解 GPT-4、ChatGPT、Claude 等 AI 模型的運作原理，並透過 企業級實戰案例，掌握 AI 在數據決策、自動化工作流 等領域的應用。
人工智慧代理(AI Agent)的現狀與未來
人工智慧代理（AI Agent）正在引領新一波技術變革，從 ChatGPT、AutoGPT 到 Google DeepMind 的智能體，它們已經能夠自主學習、規劃任務，甚至與其他 AI 合作執行複雜指令。現在，AI Agent 不僅僅是聊天機器人，而是能夠自動決策、資料檢索、內容生成，甚至在 金融交易、企業決策、軟體開發 等領域發揮關鍵作用。
未來，隨著 多 Agent 協作、強化學習、RAG（檢索增強生成） 技術的發展，AI 代理將變得更加自主與智慧。例如，企業可部署 AI Agent 來自動分析市場數據、生成報告，甚至協助銷售與客服，而 開發者也能透過 AI Agent 自動化編寫程式碼，優化軟體開發流程。
為什麼選擇這門課
● 從0到企業級應用的完整旅程：
快速重點掌握 LLM、AI Agent，透過實戰項目構建個人作品集。
● 最新技術棧整合：
實作 RAG、Agent、爬蟲技術，掌握 LangGraph、LlamaIndex 等框架。
● 實用性極強的技能培養：
15 個實戰應用 + 50+ 練習，強化 AI 開發與應用能力。
● 差異化競爭優勢：
學習多 Agent 協作，掌握企業級 AI 架構與自動化數據處理。
● 職業發展加速器：
打造 AI 開發競爭力，對接企業需求，提升職業價值。
● 強大的學習支持：
提供詳細講義、代碼示例與技術指導，確保高效學習。
課程大綱
● 反思型 Agent（Reflective Agent）
主題概念： 讓 Agent 具備自我反思與改進能力。
● Plan-and-Execute 模式
主題概念： 拆分任務為「計畫」與「執行」兩個階段，以提升多步推理能力。
● 協作者模式（Collaborative Agent Mode）
主題概念： 多 Agent 之間的角色分工與互動。
● Supervisor 轉隊篇
主題概念： 建立監督者（Supervisor Agent），管理並協調多 Agent 任務。
● Agentic RAG（Retrieval-Augmented Generation）
主題概念： 將 RAG 融入 Agent，實現智慧型知識查詢與應用。
● CRAG（Contextual RAG）進階應用
主題概念： Contextual RAG 的概念與多層資訊檢索策略。
