~歡迎企業洽談包班需求 ~
課程源起
隨著生成式人工智慧（GenAI）與大型語言模型（LLM）的快速發展，企業對於智能化流程與處理自動化的需求日益增長。AI Agents 與 AI Agent Frameworks 的出現，正逐步改變傳統的資訊處理與決策架構。本課程應運而生，旨在協助學員掌握當前最前沿的 AI Agents 技術與實務應用，深入解析其架構與核心運作原理，並實作實用型流程自動化解決方案。
課程目標
- 理解 AI Agents 與 AI Agent Frameworks 的核心概念、架構與演進趨勢
- 掌握認知流程自動化（Cognitive Automation）及其技術元件的應用實務
- 熟悉 OpenAI Agents SDK、MCP（Model Context Protocol）等工具並能進行實戰操作
- 能獨立建構以 LLM 為核心的流程與處理自動化系統，落地企業應用場景
適合對象
- 希望強化 AI 技術能力的產品經理、系統分析師、數據科學家
- 有志於進入 AI Agent 領域的軟體開發者、AI 工程師與 DevOps 專業人士
- 負責企業數位轉型、流程再造、或智能自動化導入的中高階管理者
- 有基本程式設計能力，欲進一步理解 LLM 與 AI Agent 架構與應用的科技工作者
課程特色
- 技術+實務整合：涵蓋從理論基礎、核心技術到應用實作的完整脈絡
- 最前沿主題：深入探討 MCP、OpenAI Agents SDK、On-premises LLM Server 等關鍵新技術
- 案例導向學習：結合實際應用場景與企業實務需求，強化實戰力
- 可立即上手：課程內容設計兼具深度與操作性，讓學員能快速應用於實務中
先備知識
具備基本電腦操作能力，並對人工智慧、生成式 AI 或自動化應用有基礎認識者佳；不要求具備 AI Agent 或相關框架實作經驗。
課程內容：每日上課時間09:00~17:00、中間午休一小時、共計三日21小時
| 課程單元 | |
| 時數 | 21小時(每日7小時，09:00~17:00、午休一小時，共計三日) |
| 課程大綱 | 01.人工智慧當前發展 02.大型語言模型(LLM)與生成式人工智慧(GenAI) 03.數據分析自動化與人工智慧機器學習和深度學習之應用 -Predictive Analytics、 Prescriptive Analytics與認知分析(Cognitive Analytics) 04.工作流程(workflow)和處理(Processing)自動化演進 05.認知計算(Cognitive Computing)、認知應用程式(Cognitive Application)與認知流程自動化(Cognitive Automation) 06.認知流程自動化的核心元件運作架構詳述 -自然語言處理、機器學習、深度學習、預測性分析、圖像分析、推薦引擎 07.認知流程自動化整合AI與LLM之困境與解決方案 08.AI Agents 架構、5大核心元件、10大類型與運作原理詳述 09.AI Agents應用領域範例 10.人工智慧代理框架(AI Agent Frameworks)架構與常見框架詳述 11.何謂代理式人工智慧(Agentic AI)、代理式工作流程(Agentic workflows) 與代理式架構(Agentic architecture) 12.何謂代理式框架(Agentic frameworks)與類型 13.何謂AI代理協調(AI agent orchestration)、類型、運作原理與協調流程 14.AI Agent Protocol -A2A、ACP、ANP、AG-UI、Agora、LMOS、MCP 15.Model Context Protocol (MCP)的核心元件與運作架構 16.MCP如何與大型語言模型(LLM)溝通 17.AI Agent 與 Model Context Protocol (MCP)的應用架構 18.如何透過 AI agent frameworks 與 AI agents 建構流程與處理自動化作業 19.使用On-premises LLM Server建構低成本流程與處理自動化作業 20.通用型AI Agent: LLM 平台 Deep Research AI agent功能與 Marnus AI agent的多... |
* 課程執行單位保留調整課程內容、日程與講師之權利
