課程簡介
四層個人化堆疊
第一層 | 知曉 – 規則與AGENTS.md
涵蓋主題:
• 定義專案規範與編碼標準
• 記錄架構與技術約束
• 建立工具中立的專案指南
• 維持開發團隊與AI工具間的一致性
第二層 | 能做 – 技能
涵蓋主題:
• 建立可複用的專業知識模組
• 按需載入情境資訊
• 在提升任務效能的同時減少上下文大小
• 建構可複用的工作流程與專家知識庫
第三層 | 觸及 – MCP
涵蓋主題:
• 將AI工具連接至外部系統與服務
• 存取倉儲、資料庫與文件來源
• 擴展AI編碼助手的能力
• 實施安全整合與治理控制
第四層 | 執行 – 代理程式
涵蓋主題:
• 理解自主AI代理程式及其能力
• 自動讀取、寫入、測試與修正程式碼
• 管理目標驅動的工作流程與委派任務
• 建立對代理式系統的監督與人工覆核機制
第一天 | 委派與擴展工具
模組1 | 從助手到代理程式
涵蓋主題:
• 理解AI助手與自主代理程式之間的差異
• 行內程式碼補全與代理式委派對比
• 代理式工作流程如何改變開發任務的結構
• 識別適合委派給代理程式的任務
• 與自主AI系統協作的最佳實踐
模組2 | 無需 babysitting 即可運作的委派
涵蓋主題:
• 撰寫有效的AI代理程式指示
• 提供足夠的情境與業務需求
• 定義執行約束與邊界
• 建立明確的接受標準與成功指標
• 在維持品質的同時最小化人工介入
模組3 | 個人化堆疊及其適用場景
涵蓋主題:
• 理解四層個人化堆疊
• 使用規則與AGENTS.md定義專案規範
• 判斷不同情境適用的個人化機制
• 高效管理跨工具與專案的情境資訊
• 建立一致的AI輔助開發環境
模組4 | 技能與子代理程式
涵蓋主題:
• 為常見工作流程與任務建立可複用技能
• 打包專業知識以供重複使用
• 理解子代理程式與隔離情境的角色
• 將有限範圍的任務委派給專門代理程式
• 透過模組化AI工作流程提升效率
第二天 | 連接工具、平行處理與治理
模組5 | MCP:連接與建構
涵蓋主題:
• 理解模型情境協議(MCP)原理
• 將AI工具連接至外部系統與服務
• 整合瀏覽器、資料庫、倉儲與文件來源
• 建構自定義MCP伺服器
• 管理存取控制與安全考量
模組6 | 紀律嚴謹的代理式工作流程
涵蓋主題:
• 建立可重現的AI輔助開發流程
• 與AI代理程式進行腦力激盪與規劃
• 協作建構與實施解決方案
• 測試與驗證生成結果
• 透過適當驗證步驟覆核與確認交付物
模組7 | 平行開發
涵蓋主題:
• 同時運行多個AI代理程式
• 使用隔離分支與Git工作樹
• 協調平行工作流程中的開發活動
• 合併並驗證來自多個代理程式的結果
• 透過平行執行策略提升生產力
模組8 | 風險、覆核與治理
涵蓋主題:
• 評估與審查外部技能與MCP伺服器
• 理解安全與治理風險
• 管理權限與存取權利
• 保護敏感資料與智慧財產權
• 建立覆核流程與品質保證實踐
模組9 | AI在軟體開發中的導入:使用案例與後續步驟
涵蓋主題:
• 組織如何將AI整合至軟體開發生命週期(SDLC)
• 來自不同產業的實際應用案例與實施範例
• 常見的AI導入方式:個人導入、團隊導入與組織級啟用
• SDLC各階段的典型使用案例:
• 需求蒐集與文件編製
• 程式碼生成與原型製作
• 測試與品質保證
• 程式碼覆核與重構
• 文件與知識管理
• DevOps與事故管理
• 治理模式、政策与安全考量
• 測量AI輔助開發的生產力與投資回報率(ROI)
• 建立內部AI導入路線圖
• 為學員及其團隊定義具體後續步驟
互動討論工作坊
• 參與者所屬開發團隊面臨的當前挑戰
• 識別可立即導入的高價值使用案例
• 風險、阻礙因素與組織層面的考量
• 建立AI整合的初始行動計畫。
最低要求
專業開發經驗、熟悉終端機操作及掌握Git使用知識。需經常使用AI編碼工具,或已完成「基礎課程」。
對象
已使用AI工具的開發人員、負責團隊導入的技術主管,以及建構技能與MCP伺服器的平台或DevOps工程師。
客戶評論 (2)
更高效地使用Claude Code
Virgil Trif - Frequentis
課程 - Claude Code: Agentic AI Development · 1-Day
機器翻譯
"我瞭解了該工具的潛力,並掌握了足夠的技能,可以立即將其應用於工作中
Angelo Moro
課程 - Claude AI for Developers: Building AI-Powered Applications
機器翻譯