第 1 章｜課程介紹：這門課要把什麼換成你自己的、上課前要準備什麼
第 2 章｜用 SDK 跑起一支代理：代理由大型語言模型、工具、迴圈三樣東西組成。迴圈交給 OpenAI Agents SDK，我們只寫工具，跑起一支會讀檔、寫檔、跑測試的代理
第 3 章｜上下文工程（context engineering）：代理每一輪看到的上下文拆成五塊，系統提示怎麼寫。對話存成工作階段，超過門檻就交給另一支代理寫摘要
第 4 章｜檢索與知識庫：切塊、照字面找、照意思找，兩把工具都交給代理，再看兩批結果怎麼合併。也看程式代理人為什麼不建索引
第 5 章｜記憶：專案說明檔與記憶檔各管什麼，讓代理自己決定記哪一句，寫進記憶之前先脫敏
第 6 章｜工具生態與 MCP：看懂模型上下文協定（MCP）來回的每一則訊息，自己寫一支 MCP 伺服器接進代理。工具怎麼設計，模型才用得順。最後看編輯器那一端的代理人用戶端協定（ACP）
第 7 章｜成本與路由：每一次呼叫付的是什麼、快取怎麼省，訂閱制與按量計費怎麼選。簡單的事送本機模型，難的送大一點的模型
第 8 章｜多代理：子代理、平行、交接、規劃者與執行者。收工前交給只能讀的驗收者檢查，也看多代理的錯誤怎麼越滾越大
第 9 章｜防護與鉤子：代理動手前要有一道擋得住的檢查，SDK 把它拆成核可、防護（guardrail）與鉤子（hook），看各自掛在哪個時機，連最後的回答也檢查。改檔前先存一份，做錯了退得回來。也看代理會不會自己去改鉤子
第 10 章｜互動的擴展：事件驅動的主迴圈、跑到一半叫它停、串流輸出、倒回上一句之前。也看程式代理人為什麼不走操作電腦這條路
第 11 章｜讓代理寫程式來做事：讓它寫程式來算答案，資料量一大就不讓資料經過大型語言模型。兩種沙箱各擋什麼，做過一次的事怎麼存成一支下次直接跑的程式
第 12 章｜真實工具與最佳實務：打開 OpenCode，每一個零件對回你寫過的程式，用它修一個開源專案的測試。再看不同的工作該怎麼交辦給代理
課程資訊：瀏覽課程的詳細資訊
駕馭程式代理人進階：擁有專屬的 AI 代理
起點是 OpenAI Agents SDK 上一支已經會動的程式代理人，程式在課堂上發：它自己讀檔、改程式、跑測試，失敗了照錯誤訊息再改。這門課要讓它變成你自己的。
讓它查你自己的文件與程式碼，不必把整份資料塞進對話。讓它記住你的習慣，下次開新的對話照樣照做。把你自己寫的工具接上去，用一套各家程式代理人都認得的協定。接著算清楚它花了多少錢、多少時間，一件事怎麼分給好幾個代理，哪些動作要先問過你、做錯了怎麼退回來。
這門課用 10 小時，迴圈交給現成的框架，不必從零寫起，也不必先上過原理課。之後每一章都在同一支代理上多加一層，每一章都在自己的電腦上實際跑過。收尾時打開開源的 OpenCode 對照，也比一比 Claude Code 這些現成工具，每一個零件都對得回你手上的程式。
在「駕馭程式代理人」系列由內到外的四層（原理層、進階層、驗證層、使用層）裡，這門課是進階層：懂了運作方式，就能把它客製、調整成你需要的樣子，降低成本、提高效率。將來工程師在這一層的任務，很可能就是控制各種成本。
讓它查你自己的文件與程式碼，不必把整份資料塞進對話。讓它記住你的習慣，下次開新的對話照樣照做。把你自己寫的工具接上去，用一套各家程式代理人都認得的協定。接著算清楚它花了多少錢、多少時間，一件事怎麼分給好幾個代理，哪些動作要先問過你、做錯了怎麼退回來。
這門課用 10 小時，迴圈交給現成的框架，不必從零寫起，也不必先上過原理課。之後每一章都在同一支代理上多加一層，每一章都在自己的電腦上實際跑過。收尾時打開開源的 OpenCode 對照，也比一比 Claude Code 這些現成工具，每一個零件都對得回你手上的程式。
在「駕馭程式代理人」系列由內到外的四層（原理層、進階層、驗證層、使用層）裡，這門課是進階層：懂了運作方式，就能把它客製、調整成你需要的樣子，降低成本、提高效率。將來工程師在這一層的任務，很可能就是控制各種成本。
課程大綱
適合對象
● 想把程式代理人做成自己真的能用的工具的人
● 想降低 AI 成本的工程師
要讀得懂 Python 程式。上過《駕馭程式代理人原理：從零打造 AI 代理》更好，沒上過也接得上，不必帶那門課的程式。
● 想降低 AI 成本的工程師
要讀得懂 Python 程式。上過《駕馭程式代理人原理：從零打造 AI 代理》更好，沒上過也接得上，不必帶那門課的程式。
開發環境
請自備一台能上網的筆電，macOS、Linux 都可以。Windows 請先裝 WSL2（Ubuntu），在 WSL2 裡操作。代理執行指令前會先包進作業系統的沙箱，Linux 與 WSL2 要先裝 bubblewrap。
● 上課前先裝好 Python 3、OpenAI Agents SDK 與 OpenCode。SDK 建議裝在虛擬環境（venv）裡：pip install openai-agents
● 第 7 章有一題用本機模型。macOS 或 Linux、記憶體 16 GB 以上的話，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。記憶體不到 16 GB，或用 WSL2（Ubuntu 裡多半連不到 Windows 上的 LM Studio），那一題改用課堂提供的模型，不必下載
● 程式用 Python，起始程式在課堂上發，不必自己帶程式來
課堂上用的大型語言模型不收費。手上有付費模型也可以換上去，通常效果更好。
● 上課前先裝好 Python 3、OpenAI Agents SDK 與 OpenCode。SDK 建議裝在虛擬環境（venv）裡：pip install openai-agents
● 第 7 章有一題用本機模型。macOS 或 Linux、記憶體 16 GB 以上的話，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。記憶體不到 16 GB，或用 WSL2（Ubuntu 裡多半連不到 Windows 上的 LM Studio），那一題改用課堂提供的模型，不必下載
● 程式用 Python，起始程式在課堂上發，不必自己帶程式來
課堂上用的大型語言模型不收費。手上有付費模型也可以換上去，通常效果更好。
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
第 486 期 駕馭程式代理人進階：擁有專屬的 AI 代理
招生中
課程類別：日兩天下午專題班
開課日期：2027.01.10 ~ 2027.01.17
上課時間：每週 (日) 1:00 PM ~ 6:30 PM
學費：新生新台幣 4500 元整
注意事項：
- 上課日期：1/10（日）、1/17（日
- 上課時間：13:00-16:00 ; 16:30-18:30
- 需自備筆電
第 486 期 駕馭程式代理人進階：擁有專屬的 AI 代理
招生中
課程類別：日兩天下午專題班
開課日期：2027.01.24 ~ 2027.01.31
上課時間：每週 (日) 1:00 PM ~ 6:30 PM
學費：新生新台幣 4500 元整
注意事項：
- 上課日期：1/24（日）、1/31（日）
- 上課時間：13:00-16:00 ; 16:30-18:30
- 需自備筆電
講師介紹
李根逸
現任
國立臺灣大學資訊管理學系兼任助理教授
信革 (SIGONO) 數位有限公司技術總監
於本訓練班課程累積授課時數至114年5月已有5,401小時
曾任
雷亞 (RAYARK) 遊戲股份有限公司技術總監
學歷
國立臺灣大學資訊工程學博士
國立臺灣大學資訊工程學碩士
國立臺灣大學資訊工程學學士
相關榮譽
國立臺灣大學112學年度兼任教師教學優良獎
國立臺灣大學資訊工程系優良助教獎
國立臺灣大學書卷獎
相關資料與課程規劃可參考個人課程網站 : https://feis.studio