一、打開黑盒子：AI 為什麼會寫程式？

程式代理人的起點，是一個會根據上下文預測下一段文字的大語言模型。
這一部分會先拆開它的基本原理，讓你看懂 AI 不是魔法，而是一套可以理解、可以分析、也可以被設計的機制。

你會學到：

● 大語言模型如何讀取文字、程式碼與上下文
● AI 為什麼能補程式、解釋錯誤、產生設計
● 為什麼它有時會誤判、幻想，或一本正經地改錯地方
● 提示、上下文與輸出結果之間的關係
● 圖片、截圖、錯誤訊息等非純文字資料，如何成為模型可理解的輸入

二、讓模型能動手：工具使用與外部環境

單純的語言模型只能產生文字；但程式代理人之所以有用，是因為它可以接上工具，真的去讀檔、改檔、跑指令、看結果。

這一部分會帶你理解工具使用（tool use）的設計，並看懂 Claude Code、Codex、Cursor 這類工具背後大致如何運作。

你會學到：

● 工具使用（tool use）是什麼
● 模型如何決定什麼時候該使用工具
● 如何讓 AI 讀取檔案、搜尋專案、修改程式
● 如何讓 AI 執行指令、跑測試、查看錯誤結果
● 外掛框架（harness）如何把模型、工具與開發環境串起來

三、從回答問題到完成任務：代理迴圈

程式代理人的核心不是「一次回答」，而是能反覆執行一個循環：

思考 → 行動 → 觀察結果 → 修正 → 再行動

這就是代理迴圈（agentic loop）。
這一部分會帶你理解代理人如何一步步完成任務，也會分析它為什麼有時會卡住、空轉或走錯方向。

你會學到：

● 代理迴圈（agentic loop）的基本結構
● AI 如何根據執行結果修正下一步
● 為什麼代理人會重複嘗試、偏離目標或陷入空轉
● 如何設計任務，讓代理人更容易成功完成
● 什麼時候該讓它繼續跑，什麼時候該中斷介入

四、讓它做得久、做得準：上下文與記憶

代理人要完成長任務，關鍵不只是模型本身有多強，而是它有沒有看到正確的資訊。

這一部分會介紹上下文工程（context engineering）與記憶設計，讓你學會如何餵資料、整理資訊、保留重點，避免代理人在長任務中越跑越亂。

你會學到：

● 上下文視窗的限制與取捨
● 如何決定哪些資訊應該給模型看
● 如何整理規格、錯誤訊息、檔案內容與執行結果
● 如何丟掉雜訊，保留真正重要的任務資訊
● 記憶機制如何幫助代理人延續任務
● 子代理人與多模型分工如何處理複雜任務

五、讓它可靠可控：權限、護欄與人機協作

當 AI 能改程式、跑指令，也代表它可能改錯、刪錯、跑錯，甚至造成安全與成本風險。

這一部分會帶你建立「能放手，但不失控」的代理人設計觀念，理解哪些事情可以自動化，哪些事情必須保留人工確認。

你會學到：

● 權限控管（permissions）如何設計
● 哪些操作可以自動執行，哪些操作必須先詢問
● 如何避免代理人亂改重要檔案或執行危險指令
● 如何設計檢查點、人工審查與回復機制
● 如何判斷代理人的行動是否可信
● 如何在人類開發者與 AI 代理人之間建立有效分工

六、看懂成本與效益：不要讓自動化失控

代理人跑得越久、讀得越多、工具用得越頻繁，成本就越容易被忽略。

這一部分會帶你理解詞元（token）、模型選擇、訂閱制與用量計費，讓你知道成本花在哪裡，也知道怎麼控制。

你會學到：

● 詞元（token）是什麼，為什麼上下文越長越貴
● 訂閱制與用量計費的差異
● 不同模型在能力、速度與成本上的取捨
● 什麼任務該交給強模型，什麼任務可以交給便宜模型
● 如何用多模型分工降低成本
● 如何評估代理人帶來的時間收益與風險成本

七、掌握主流實務：建立不被工具淘汰的判斷力

AI 開發工具會一直變，但底層觀念不會那麼快過時。

最後一部分會把前面的概念整合到目前主流的開發實務中，讓你不只會使用現有工具，也能看懂新工具、新功能背後真正改變的是什麼。

你會學到：

● 模型上下文協定（MCP）如何連接外部工具與資料源
● 規格驅動開發（spec-driven development）如何讓代理人更穩定工作
● 迴圈工程（loop engineering）如何改善代理人的行為
● 多模型分工與子代理人的實務應用
● 長時間任務與隔夜執行的代理人工作流
● 如何評估 Claude Code、Codex、Cursor 等工具的能力、限制與風險

只要你寫過程式，並且對「AI 如何協助開發」感到好奇，這門課都適合你。你不需要先懂大語言模型或代理人架構，但需要願意從原理出發，理解工具背後真正發生了什麼。

特別適合以下幾類學員：

● 已經在使用 AI 寫程式工具的開發者
如果你已經在使用 Claude Code、Codex、Cursor 等工具，但常常覺得它有時很強、有時卻莫名其妙改錯，這門課會幫你看懂它背後的運作方式，知道如何更有效地指揮它。

● 想提升開發效率的工程師與程式學習者
如果你希望用 AI 協助閱讀程式碼、修改功能、修正錯誤、撰寫測試或整理文件，這門課會幫你學會如何拆解任務、整理上下文，讓 AI 更穩定地完成工作。

● 想理解 AI 開發工具底層原理的人
如果你不想只停留在「下提示」或「試到可以用」，而是想理解大語言模型、工具使用（tool use）、代理迴圈（agentic loop）、上下文工程（context engineering）與權限控管如何組成一個程式代理人，這門課會提供完整的理解框架。

● 想打造 AI 工具或自動化開發流程的人
如果你想把大語言模型整合進自己的產品、內部工具或開發流程，這門課會幫助你理解程式代理人的基本架構，知道如何設計工具、流程、記憶、權限與驗證機制。

● 需要評估 AI 工具導入的技術主管、架構師與團隊成員
如果你需要判斷 Claude Code、Codex、Cursor 等工具是否適合團隊使用，或需要制定 AI 開發流程、審查規範與風險控管方式，這門課會幫助你建立更清楚的判斷標準。

● 想掌握未來開發工作方式的人
AI 開發工具會持續演進，但模型、工具、上下文、代理迴圈、權限與成本這些底層觀念會長期有用。這門課適合想提早建立判斷力，而不是被工具更新牽著走的人。

本課程會以實作方式理解程式代理人的運作，因此建議學員準備一台可以進行一般程式開發的筆電。

課程中會使用常見的開發工具與 AI 程式工具，帶你觀察模型如何讀取檔案、修改程式、執行指令、查看結果，並逐步組成一個可以完成任務的程式代理人。

實際使用的工具與安裝方式，會依課程進度與現場學員狀況調整。

●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

 

●經濟部30人以下中小企業數位轉型補助

有與經濟部30人以下中小企業數位轉型補助配合的課程，學員申請補助時請務必主動告知承辦單位所需資料。

(一)符合補助的課程：查詢請至經濟部30人以下製造業數位轉型培力網站查看。

(二)收據須載明課程名稱、上課人數及課程單價。

(三)需開立抬頭統編抬

(四)注意事項：未通過課程者，恕無法申請本計畫補助。