人工智慧代理人與應用AI Agents and Applications

課程簡介Course Description

本課程從社會學觀點介紹人工智慧代理人（AI Agent）的理論、工具與應用，不預設程式基礎。理論部分涵蓋大型語言模型、提示與情境工程、ReAct代理架構、RAG、MCP、多代理人系統、評估方法、資訊安全與治理；實作部分比較各類AI代理人工具（Claude Code、OpenAI Codex、Gemini CLI、Cursor、GitHub Copilot、Lovable、Bolt.new、v0、Replit Agent、n8n等），並以 Vibe Coding 製作網頁、APP 與研究代理人。社會科學應用部分探討生成式代理人社會模擬、LLM質性編碼，以及AI對工作、不平等與問責的影響。評量包含每兩週一次作業、期中考、期末考及期末專題（理論分析加實作成果）。工具清單將依開課當時之版本與免費方案更新。

各週重點Weekly Schedule

1. W01

   導論：從聊天機器人到AI代理人
   專有名詞：AI代理人（AI Agent）、代理式AI（Agentic AI）、理性代理人（Rational Agent）、PEAS、自主性（Autonomy）、人在迴路（Human-in-the-Loop）、社會技術系統（Sociotechnical System）
   實作：建立課程工具環境，操作一個AI代理人完成多步驟任務。

2. W02

   大型語言模型原理
   專有名詞：大型語言模型（LLM）、基礎模型（Foundation Model）、Transformer、注意力機制（Attention）、Token、上下文視窗（Context Window）、嵌入（Embedding）、溫度（Temperature）、幻覺（Hallucination）
   實作：以相同提示比較不同模型與溫度的輸出差異。 作業一：模型輸出比較與幻覺查核

3. W03

   提示工程與情境工程
   專有名詞：系統提示（System Prompt）、少樣本提示（Few-Shot）、思維鏈（Chain-of-Thought）、結構化輸出（JSON）、提示工程（Prompt Engineering）、情境工程（Context Engineering）
   實作：撰寫可重複使用的系統提示與輸出格式。 期末專題分組

4. W04

   AI代理人核心架構
   專有名詞：ReAct、感知-思考-行動迴圈（Agent Loop）、工具呼叫（Tool Calling）、規劃（Planning）、記憶（Memory）、反思（Reflection）、編排（Orchestration）
   實作：以 n8n 建立第一個可呼叫外部工具的代理人。 作業二：n8n 工具型代理人

5. W05

   知識檢索與工具協定
   專有名詞：檢索增強生成（RAG）、向量資料庫（Vector Database）、切塊（Chunking）、語意搜尋（Semantic Search）、模型上下文協定（MCP）、代理人技能（Agent Skills）、代理人對代理人協定（A2A）
   實作：以社會政策文件建立RAG問答代理人，並串接一個MCP伺服器。

6. W06

   AI代理人工具全覽與比較
   專有名詞：終端機代理人（Claude Code、OpenAI Codex、Gemini CLI）；IDE代理人（Cursor、GitHub Copilot、Windsurf、Google Antigravity）；雲端自主代理人（Devin）；應用程式生成器（Lovable、Bolt.new、v0、Replit Agent）；流程與框架（n8n、Dify、LangGraph、CrewAI、AutoGen）
   實作：分組以同一任務試用不同工具，記錄成本、速度與品質。 作業三：AI代理人工具評比報告

7. W07

   Vibe Coding 理論與方法
   專有名詞：Vibe Coding、代理式編程（Agentic Coding）、規格驅動開發（Spec-Driven Development）、需求文件（PRD）、AGENTS.md／CLAUDE.md、Git、版本控制（Version Control）、程式碼審查（Code Review）、技術債（Technical Debt）
   實作：撰寫需求規格，交由 coding agent 產出第一版程式，再以 Git 管理修改。

8. W08

   AI代理人應用（一）：網頁製作
   專有名詞：前端（Frontend）、HTML／CSS／JavaScript、React、響應式設計（Responsive Design）、資料庫（Supabase）、部署（Deployment：Vercel、GitHub Pages）、API金鑰（API Key）、環境變數
   實作：以 Vibe Coding 完成並公開部署一個社會議題資訊網頁。 作業四：社會議題網頁上線

9. W09

   期中考 範圍：第1至8週（專有名詞、申論與實作判讀）

10. W10

    AI代理人應用（二）：APP製作
    專有名詞：漸進式網頁應用（PWA）、React Native、Expo、後端（Backend）、REST API、身分驗證（Authentication）、使用者體驗（UX）、無障礙設計（Accessibility）
    實作：以 Replit Agent 或 Lovable 等工具製作可在手機操作的APP原型，並進行使用者測試。 作業五：行動APP原型；繳交期末專題企劃書

11. W11

    多代理人系統
    專有名詞：多代理人系統（Multi-Agent Systems）、協調者-工作者模式（Orchestrator-Worker）、角色分工（Role Assignment）、任務交接（Handoff）、共享狀態（Shared State）、湧現行為（Emergent Behavior）、LangGraph、CrewAI
    實作：以組織社會學的分工概念設計三個角色的協作代理人。

12. W12

    代理人評估與可觀測性
    專有名詞：評測（Evals）、基準測試（Benchmark）、SWE-bench、黃金資料集（Golden Dataset）、執行軌跡（Trajectory）、可觀測性（Observability）、防護機制（Guardrails）、效度與信度
    實作：為自己的代理人建立評測資料集並計算表現指標。 作業六：代理人評估報告

13. W13

    生成式代理人與社會模擬
    專有名詞：生成式代理人（Generative Agents）、代理人基模型（Agent-Based Modeling）、矽基抽樣（Silicon Sampling）、演算法保真度（Algorithmic Fidelity）、合成受訪者（Synthetic Respondents）、外部效度、WEIRD偏誤
    實作：模擬一項臺灣社會意見題目，並與實際調查結果比較。

14. W14

    AI代理人作為社會研究助理
    專有名詞：計算社會科學（Computational Social Science）、研究流程自動化、編碼簿到提示手冊（Codebook to Promptbook）、LLM標註（LLM Annotation）、編碼者間信度（Cohen's Kappa）、研究倫理（Research Ethics）
    實作：以代理人編碼訪談或新聞文本，與人工編碼比較一致性。 作業七：LLM編碼與人工編碼比較

15. W15

    AI代理人、工作與社會不平等
    專有名詞：任務取向分析（Task-Based Approach）、自動化與增強（Automation vs. Augmentation）、去技能化（Deskilling）、生產力悖論（Productivity Paradox）、數位落差（Digital Divide）、演算法管理（Algorithmic Management）
    實作：分析一項臺灣職業的任務，評估可被代理人取代或增強的部分。

16. W16

    安全、倫理與治理
    專有名詞：提示注入（Prompt Injection）、最小權限原則（Least Privilege）、沙箱（Sandbox）、資料外洩、紅隊演練（Red Teaming）、道德緩衝區（Moral Crumple Zone）、問責（Accountability）、《人工智慧基本法》、歐盟AI法（EU AI Act）
    實作：對期末專題進行紅隊演練與個資、權限檢核。 作業八：專題安全與倫理檢核

17. W17

    期末專題成果發表（Demo Day）
    專有名詞：概念驗證（Proof of Concept）、最小可行產品（MVP）、同儕互評（Peer Review）
    實作：各組現場展示代理人、網頁或APP，說明社會學理論依據與評估結果。 期末專題上台報告

18. W18

    期末考 範圍：第10至16週；繳交期末專題書面報告與作品連結