生成式 AI 已經能寫出能跑的程式，但從能跑到可靠、可維護、可究責」，隔著的正是整個軟體工程的距離。真正的差距不在於會不會用 AI，而在於能不能以工程師的紀律駕馭 (harness) AI，精準遵守軟體工程的典範，產出可究責 (accountable)、也經得起審查 (auditable) 的系統。被 AI 帶領，只能得到千篇一律、無人究責的結果；駕馭 AI，才能把它變成一具穩定輸出商業價值的引擎。

本課程從工程師的視角出發，把語言模型視為一具強大但需要被約束的引擎，並圍繞它打造可靠的「馬具」：認知框架 (CLAUDE.md / agents.md)、能力邊界 (工具與 Agent–Computer Interface)、以及工作流程 (plan → generate → evaluate → revise)。這套圍繞模型的工程方法，今年開始被稱之為 Harness Engineering（駕馭工程）；當我們進一步把 AI 放進一個能自我迭代、自我修正的迴圈，並設計其上下文、停止條件與審查節點時，便進入 Loop Engineering 的範疇。學生將學會親手設計這些骨架，讓 AI Agent 不只是「能動」，而是穩定、可重現、可究責。

課程完整涵蓋需求分析、架構設計、設計模式、測試與評估、到 CI / CD 自動化交付，並以電商購物車系統為主案例：一個刻意保持確定性的全棧系統，從 AI 輔助的快速原型 (vibe coding) 出發，在撞牆之後逐步導入工程護欄。要特別說明的是，本課程要駕馭、評估與究責的對象不是產品裡的某個 AI 功能，而是寫程式、做工程的 AI 本身：購物車是被 AI 蓋出來的確定性產物，而我們學的，是如何讓那個唯一非確定性的「建構過程」變得可靠、可重現，並能追溯回每一條規格與每一個測試。完成課程後，學生不只會驅動 AI 產出程式碼，更能以審查 AI 生成內容的工程眼光，判斷其正確性、辨識潛在風險，並建立屬於自己、可靠且可被信任的 AI 開發與交付流程。