第 1 天：從 Vibe Coding 開始 — AI 寫得出來，為什麼仍不能直接交付？
第 2 天：從需求到可執行規格 — User Story、Acceptance Criteria、任務拆解與 AI 協作紀錄
第 3 天：從單人原型到多人系統 — 模組邊界、使用者隔離、資料持久化與基礎測試
第 4 天：用設計模式控制變更 — Strategy、Factory、Adapter 與可替換的商業規則、外部服務
第 5 天：讓系統可維護、可審查 — Decorator、Facade、Observer、AI Code Review 與安全風險
第 6 天：駕馭 Coding Agent — CLAUDE.md / agents.md、上下文管理、工具、權限與受控開發流程
第 7 天：Harness Engineering + Evaluation — 用測試、Golden Tasks、失敗分類與品質門檻驗收 AI 產出
第 8 天：AI Agent & Loop Engineering — 從零實作能使用工具、執行驗證、根據回饋修正的 Agent Loop
第 9 天：CI / CD + Project Studio — 自動測試、持續部署、環境設定、觀測與公開上線
第 10 天：成果展示 — 公開專案、Agent Demo、AI 使用透明報告、失敗分析與課程回顧
學生將以個人或小組形式，完成並展示一個可公開存取的多人應用。題目可以延伸共同購物車，也可以將相同架構轉化為選課、訂位、報名、庫存、工單或辦公流程系統。
專題至少包含：
- 可實際操作的多人 Web 應用與公開展示網址
- 清楚的需求規格、Acceptance Criteria 與架構說明
- 資料持久化、使用者隔離及合理的設計模式
- 自動化測試、AI 產出評估與失敗紀錄
- CI / CD 與可重現的部署流程
- 一個受工具與權限約束、具有驗證迴圈的 mini agent
- AI 使用透明報告，說明重要工程決策、驗證方式與已知限制
更新時間：2026-07-21
課程資訊：瀏覽課程的詳細資訊
AI 輔助軟體工程實務
生成式 AI 已經能快速寫出「能跑」的程式，但要把原型變成可供多人使用、能持續維護、可以放心對外開放的系統，仍需要完整的軟體工程。真正的差距不只在於會不會使用 AI，而在於能不能以工程師的紀律駕馭 (harness) AI：把需求說清楚、控制修改範圍、審查產出，並用測試、評估與自動化流程證明成果值得交付。
本課程以電商購物車系統作為貫穿兩週的共同專案。購物車不只是電商案例，它所包含的使用者、狀態、資料持久化、商業規則與外部服務，也廣泛存在於選課、訂位、報名、工單與辦公流程等應用。學生將從 AI 輔助的快速原型 (vibe coding) 出發，逐步加入規格、多人架構、設計模式、資料庫、測試與 CI / CD，最後將系統部署為可公開存取的服務，完整經歷從「AI 寫得出來」到「團隊敢交付出去」的工程歷程。
課程後半段將進一步拆解 Coding Agent 與 AI Agent 的運作方式。學生會把語言模型放進一套受控的工程骨架：以 CLAUDE.md / agents.md 提供認知框架，以工具、權限與 Agent–Computer Interface 劃定能力邊界，再以 plan → generate → evaluate → revise 建立工作流程。這套方法稱為 Harness Engineering（駕馭工程）；當 Agent 能根據規格或失敗的測試反覆修改、驗證與修正，並具備停止條件、執行紀錄與人工審核點時，便形成可迭代、可追溯的 Loop Engineering。
兩週結束時，學生將完成一個可供多人使用、具有自動化測試與 CI / CD、能公開展示的軟體專題；同時親手實作一個具有工具、權限、驗證與迭代能力的 mini agent。這個 Agent 可以協助修改與驗證自己的程式專案，也可以延伸到文件整理、工作項目處理等辦公流程。課程不是教學生操作現成的辦公 AI 工具，而是讓學生理解並實作智慧代理人背後的工程方法，知道如何讓它在清楚的邊界內可靠工作，並在高風險操作前保留人類的判斷與核准。
本課程以電商購物車系統作為貫穿兩週的共同專案。購物車不只是電商案例，它所包含的使用者、狀態、資料持久化、商業規則與外部服務，也廣泛存在於選課、訂位、報名、工單與辦公流程等應用。學生將從 AI 輔助的快速原型 (vibe coding) 出發，逐步加入規格、多人架構、設計模式、資料庫、測試與 CI / CD，最後將系統部署為可公開存取的服務，完整經歷從「AI 寫得出來」到「團隊敢交付出去」的工程歷程。
課程後半段將進一步拆解 Coding Agent 與 AI Agent 的運作方式。學生會把語言模型放進一套受控的工程骨架：以 CLAUDE.md / agents.md 提供認知框架，以工具、權限與 Agent–Computer Interface 劃定能力邊界，再以 plan → generate → evaluate → revise 建立工作流程。這套方法稱為 Harness Engineering（駕馭工程）；當 Agent 能根據規格或失敗的測試反覆修改、驗證與修正，並具備停止條件、執行紀錄與人工審核點時，便形成可迭代、可追溯的 Loop Engineering。
兩週結束時，學生將完成一個可供多人使用、具有自動化測試與 CI / CD、能公開展示的軟體專題；同時親手實作一個具有工具、權限、驗證與迭代能力的 mini agent。這個 Agent 可以協助修改與驗證自己的程式專案，也可以延伸到文件整理、工作項目處理等辦公流程。課程不是教學生操作現成的辦公 AI 工具，而是讓學生理解並實作智慧代理人背後的工程方法，知道如何讓它在清楚的邊界內可靠工作，並在高風險操作前保留人類的判斷與核准。
課程大綱
適合對象
適合具備基本 Python 語法、曾嘗試使用 AI 工具進行程式開發，並希望從「讓 AI 幫我寫程式」進一步提升為「帶領 AI 完成可維護、可測試、可部署專案」的學習者。有 Git 或 Web 開發經驗者較容易上手，但不是必要條件。
本課程重視動手實作與工程判斷。學生不需要自行訓練語言模型，但會使用模型 API 與 Coding Agent，親手設計工具、權限、測試、evaluation、Agent Loop 與人工核准點。
本課程重視動手實作與工程判斷。學生不需要自行訓練語言模型，但會使用模型 API 與 Coding Agent，親手設計工具、權限、測試、evaluation、Agent Loop 與人工核准點。
開發環境
Python、Flask、資料庫與 GitHub，搭配 Claude Code、ChatGPT Codex 或 Gemini 等 Coding Agent。課程將提供可直接啟動的 starter repository、必要的環境設定範例與離線示範資料，讓課堂時間集中在軟體工程、AI 協作與專案交付。
實體課程注意事項
●本班為實體課程，常見QA詳情連結
●校園防疫措施詳情連結
●公務員全程參與課程學習後可於課程結束後申請登錄公務人員學習時數
●課程影片觀看期限至課程結束後一週關閉
(一)退費期限：開課日後⅓時數內，詳情連結
(二)查詢結業狀況：結業名單連結
近期班次
講師介紹
盧政良
(一) 經歷
➽ 臺灣大學資訊工程學系資訊系統訓練班講師
➽ 中國信託商業銀行全球金融商品交易處期貨自營部計畫研究員
➽ 臺灣大學腦與心智科學研究所兼任研究助理
➽ 臺灣大學資訊工程學系研究助理與課程助教 (計算理論、離散數學、財務演算法)
(二) 學歷
◍ 臺灣大學資訊工程研究所博士 (主修財務工程)
◍ 交通大學電信工程研究所碩士 (主修電磁波)
◍ 中央大學電機工程學系學士
(三) 研究興趣 & 專長
➽ Financial Engineering, Quantitative Finance, and Algorithmic Trading
➽ Data Science and Business Intelligence using AI Techniques
➽ Algorithms, Computing Theory, and Programming Languages
➽ High Performance Computing
(四) 教學特色
◍ 中文授課，課程教材以英文為主，適合規劃出國求學或對科學技術有興趣的學員。
◍ 2014 年始服務於本班，累計授課時數至 115 年 01 月 14 日為 13070 小時。