訓練日期：2026-08-16上課地點：台北市大安區羅斯福路四段一號國立台灣大學資訊工程學系系館(德田館)上課 …

訓練日期：2026-08-16
上課地點：台北市大安區羅斯福路四段一號國立台灣大學資訊工程學系系館(德田館)
上課費用：4500

課程介紹：

Claude Code、Codex、Cursor 這類程式代理人，已經不只是幫你補幾行程式碼而已。它們能讀懂專案、修改檔案、執行指令、跑測試，甚至連續處理一整段開發任務。

但問題也隨之而來：它為什麼這樣改？為什麼會改錯地方？為什麼有時候看起來快完成了，卻開始繞圈空轉？什麼時候可以放心交給它，什麼時候你必須立刻接手？

這門課要帶你打開程式代理人的黑盒子。

我們會從大語言模型的基本原理開始，理解它如何讀取上下文、產生回應，再一步步加入工具使用（tool use）、代理迴圈（agentic loop）、上下文工程（context engineering）、記憶、權限控管與成本管理。你會看到一個只會產生文字的模型，如何逐漸變成能讀檔、改檔、跑指令、觀察結果，並持續修正自己的程式代理人。

這門課不只是教你「怎麼使用 AI 寫程式工具」，而是教你看懂它背後的運作方式。當你理解它每一步在做什麼，就能更準確地設計任務、整理規格、控制風險、管理成本，也更能判斷什麼時候該放手，什麼時候該介入。

學完這門課後，你不會只依賴某一套工具，而是會建立一套能跟著工具演進的判斷力。無論未來使用的是 Claude Code、Codex、Cursor，或下一代程式代理人，你都能看懂它、管理它，並真正駕馭它。

上課時間：
2026.08.16 、 2026.08.22
1:00 PM ~ 6:30 PM

注意事項：
1.13:00～16:00, 16:30 ~ 18:30
2.不供餐
3.上課日期8/16、8/22兩天
4.需自備筆電

報名此課程

課程內容：

 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

師資介紹：

 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

備註：
詳細內容及報名需知，請點選報名後見協會網站內容

報名此課程

[elementor-template id="128291"]

這篇文章 【8/16台北場】駕馭程式代理人：從原理到掌控自動化開發 – 國立台灣大學資訊工程學系 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。