課程介紹｜這門課要把什麼換成你自己的、要先裝好什麼

第 1 章｜選對大型語言模型：依任務、硬體與預算挑開源模型，看懂模型卡與排行榜

第 2 章｜把模型跑在自己機器上：用 LM Studio 在自己的電腦上跑模型，算得出記憶體夠不夠

第 3 章｜非開源模型與供應商：接付費的模型供應商，處理錯誤、重試與花費上限

第 4 章｜從原型到產品：把自己的代理換成現成的開源程式代理人，實際修一個開源專案的測試

第 5 章｜上下文工程：代理需要看到什麼、哪些要擋掉，檢索增強生成（RAG）跑一次看差別

第 6 章｜檢索與知識庫：切塊、照字面找、照意思找，兩邊合併，讓代理查你自己的資料

第 7 章｜記憶：讓代理記得上次做到哪裡，什麼該記、什麼該忘

第 8 章｜工具生態與兩個協定：往下用模型上下文協定（MCP）接工具，往上用代理人用戶端協定（ACP）接編輯器；自己寫一支 MCP 伺服器，再讓自己的代理講 ACP、在編輯器裡使用

第 9 章｜成本、時間與路由：算出一次任務花多少錢與時間，簡單的事交給便宜的模型

第 10 章｜多代理：子代理、規劃者與執行者、一件事扇出給好幾個代理

第 11 章｜真實工具對照：拆開 OpenCode、Claude Code，每一個零件都對得回你寫過的程式

第 12 章｜互動的擴展：事件驅動、中途插話、串流輸出、操作電腦

第 13 章｜程式碼是元能力：讓代理自己寫程式來解決問題

第 14 章｜帶得走的概念：工具會換，這些判斷不會；現場問答

● 想把程式代理人做成自己真的能用的工具的人
● 不想把程式碼和資料送上雲端，或想降低 AI 成本的工程師

要讀得懂一支程式代理人：一個迴圈、幾把工具、一份對話歷史。建議先修《駕馭程式代理人原理：從零打造 AI 代理》；沒上過的話，自己寫過代理迴圈也可以。

請自備一台能上網的筆電，Windows 或 macOS 都可以。

● 上課前先裝好 LM Studio，並下載 qwen3.5-9b 模型（約 6.5 GB）；現場一起下載會拖垮網路
● 電腦跑不動的話，可以在 Google Colab 借一台有顯示卡的機器
● 程式代理人使用 OpenCode，安裝方式課堂上會帶著做
● 程式用 Python

課堂用的大型語言模型不收費。接付費供應商那一段由講者示範，學員不必當場申請。

●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