AI Agent 工程應用學習筆記
建立工程師學 AI Agent 的完整地圖,先知道術語、工具、資料安全與可落地工作流要怎麼串起來。
教材目錄
把目前上架的教材依任務分類展開。先看分類,再進入細節頁學習。
分類
建立工程師學 AI Agent 的完整地圖,先知道術語、工具、資料安全與可落地工作流要怎麼串起來。
用 AI 時代職場重組的案例,理解為什麼低槓桿工作會被壓縮,以及工程師要如何提高工作槓桿。
把 AI 學習拆成 30 天導入路線,從會問問題進步到能用 AI 整理資料、報告與工作流程。
先搞懂 提示詞、上下文、工作流程、API 金鑰、本地語言模型 等常見名詞,避免需求講不清楚或誤用工具。
把 Anthropic 的 未知事項 方法整理成入門工作法:先做盲點掃描、AI 反問訪談、多版本草稿與參考範例,再請 AI 動工。
分類
分清楚正式 App、Chrome 擴充功能與內建瀏覽器的使用情境,從跨頁整理與草稿工作流開始,建立每一步都保留人工核准權的瀏覽器協作方式。
判斷什麼任務適合雲端模型、什麼資料該留在本地,以及工程團隊如何做混合選型。
整理免費 AI 影片生成、圖片生成、文生影片、圖生影片、AI 配音與創作工具,建立低成本試作與合法使用檢查流程。
分清楚 Chat、Cowork、Code 什麼時候用,避免把所有任務都丟進同一個聊天框。
設定 Claude Code 的語言規則、成本觀念、CLAUDE.md、CLI、MCP、Skill 與 Subagent 上手順序。
理解 AI CLI 如何讀專案資料夾、改檔、整理報告,並用在 RF、SIE、EMC、Thermal、ME 工作情境。
學會看 README、Release、Issues、Stars 與授權,先判斷專案可靠度,再決定是否下載或交給 agent 處理。
給非工程背景使用 Claude、Cursor、Codex 做 AI 程式開發 的 Git/GitHub 上手教材,先懂何時該存檔、隔離風險、送審、合併與回復。
分類
分清楚模型能力、長期輸出風格與按需 Skill,透過五方案比較建立讀得快、看得懂、能採取行動的 AI 回報格式。
把需求、輸入資料、輸出格式、限制條件與驗收標準寫成 AI 能穩定執行的任務規格。
用五欄位 需求簡報 先定義目標、背景、素材、邊界與完成定義,讓 AI 產出能支援決策。
讓 agent 在動手前先追問受眾、限制、輸出與成功標準,把模糊想法變成可執行 需求簡報。
依 Matt Pocock 官方 main 拆解手動流程入口與可自動採用的工程紀律,並說明 Codex 的繁體中文自然語句路由。
把 Brainstorming 當作設計審查,先比較方案、補齊上下文、取得設計核准,再交給實作流程。
用語音先完整收集想法、會議和 審查背景,再讓 AI 轉成 SOP、issue、prompt 或 agent 任務。
釐清個人、專案與目錄層級的 AI 協作規則,學會把長流程、安全檢查與必要知識放在正確位置。
用格式標準化、任務拆解、真實迭代與工具整合,把靠人腦補判斷的 人工標準作業程序 變成可執行、可檢查的 Agent 工作流程。
分類
把 Claude Code 與 Codex 的 Hook 拆成事件、範圍、處理與停止規則,整理 15 個安全可落地的情境,讓常被遺忘的邊界變成可驗證的工作流。
理解模型外圍的上下文、工具、記憶、驗證、觀測、安全與錯誤恢復,讓 agent 不只會 示範。
把工具、文件、評分、回饋與品質閘門包成一套系統,讓 agent 能穩定完成任務。
從手動提示改成設計可觀察、可驗證、可停止、可回滾的 agent 工作循環。
用四種 Loop 模式理解 Claude Code 工作流設計,學會先定義觸發、驗證、停止條件與人工關卡,再讓 agent 進入可控循環。
把 AI 導入既有 程式碼庫 前,先定位畫面、追 資料流程、寫 邊界規則,再用小步 審查 與回歸驗證避免改 A 壞 B。
把實作者、審核者與 停止關卡 拆開,讓 AI 寫碼流程有攔截、放行與共識收斂條件。
分清 MCP、A2A、AP2 與 Agent Skill 的責任,並用觸發、資料集、紅隊與 小範圍試行 建立可驗證的上線流程。
用 Spec、安全邊界、Evaluation、人工審核與發布關卡,把 AI 的可用能力變成可驗證的正式交付。
分類
把 Skill 當成工作協議,設計觸發描述、漸進式資訊揭露、腳本驗證與版本化管理。
分清楚 Plugin、Skill、Record & Replay,依任務類型判斷該裝能力包、寫流程包,還是錄製示範。
把本地 agent 的修正紀錄、偏好與 know-how 萃取成 Codex Skill,讓團隊 SOP 可以重複使用。
把專家的說話方式、思考方法、判斷標準、拒絕邊界與局限整理成 agent 可用的 skill。
把 skill 文件當成可優化對象,用 試跑、驗證集、受控編輯與部署產物管理 prompt 治理。
把日常使用經驗先蒸餾成文件,再把重複流程變成 skill,最後用安全自動化定期整理。
分類
把 PDF、Office、HTML、資料檔與音訊先標準化成 Markdown,讓 AI 與 Agent 工作流程 更容易處理。
建立讓 agent 可讀、可分類、可提煉、可回寫的本地知識庫,而不是只給人看的筆記庫。
用一份自己擁有、可審核、可搜尋的外部知識庫,讓多個 AI、專案與裝置共用長期記憶。
把零散文件、工作輸出、專案紀錄與教學素材整理成可追溯、可審核、可被 AI 工具使用的長期知識。
把長任務中的工具輸出、紀錄、RAG 結果與逐字稿先清理,降低 context 爆掉和摘要失焦的風險。
理解 詞元使用效率、智慧路由、長期記憶 與 MetaSkill 請求 如何影響 Agent 執行環境。
分類
把模型訂閱、知識庫、skills、agent 活動、成本與改善流程集中到可視化控制台。
用管理者 agent 先規劃、分工、檢查與整理,讓多 agent 系統有權限分級和交接紀錄。
分類
把需求、原型、視覺規格與後續開發接成閉環,讓設計和程式能互相讀懂。
分類
每週整理 GitHub 上值得學的 Skill、AI 工作流程 與 AI 開源工具,先看白話介紹,再決定要不要深入研究。
找不到符合的教材。換個關鍵字,或清除篩選。