聯繫我們
 課程時長 14 時間:

課程簡介

代理型人工智慧簡介

  • 定義代理型人工智慧及其與傳統人工智慧系統的關係
  • 概述推理、記憶及目標驅動的架構
  • 關鍵用例及行業應用

核心概念與設計模式

  • 代理循環:感知、推理及行動
  • 單代理與多代理系統之比較
  • 環境互動及工具調用

提示工程基礎

  • 設計有效提示以進行推理及任務分解
  • 運用示例、約束條件及角色設定以實現更佳控制
  • 系統性地除錯及迭代提示

構建簡單的代理工作流

  • 在 Python 中實現代理循環
  • 整合 API 及簡單工具
  • 管理代理狀態及記憶

負責任設計與安全實務

  • 倫理考量及代理的負責任使用
  • 人工智慧系統中的偏見、透明度及問責制
  • 存取控制、數據保護及內容安全

動手專案:設計負責任的代理

  • 定義問題範圍及目標
  • 開發提示及控制邏輯
  • 測試、優化及評估代理行為

最低要求

  • 具備人工智慧或機器學習概念的基本理解
  • 熟悉 Python 語法及腳本編寫
  • 具有處理數據或基於 API 的應用程式的經驗

目標受眾

  • 初涉代理型人工智慧開發的數據科學家
  • 探索應用型代理架構的初級機器學習工程師
  • 希望了解代理設計及安全原則的技術管理者

客戶評論 (3)

課程分類