微軟推出免費課！教你從零開始打造AI Agent，1小時就能看完|數位時代 BusinessNext

微軟推出免費課！教你從零開始打造AI Agent，1小時就能看完

微軟開發人員發布了 AI 代理入門教學影片，內容涵蓋從理論概念到實際程式碼實作的完整流程，影片時長為1小時4分鐘。

微軟開發人員（Microsoft Developer）近日在官方 YouTube 頻道發布了 AI 代理入門教學影片〈AI Agents for Beginners〉，內容涵蓋從理論概念到實際程式碼實作的完整流程，影片時長為1小時4分鐘。這門課程的講師為Korey Stegared-Pace，他在背景經歷主要專注於教育和吸引開發人員社群建置 Generative AI 應用程式。

影片介紹了 AI 代理的核心組成，包括大語言模型（LLM）的推理能力、短期與長期記憶，以及執行特定任務的外部工具。講師會探討 Autogen 與 Semantic Kernel 等開發框架，並介紹了如代理式檢索增強生成（Agentic RAG）與多代理協作（Multi-agent）等進階設計模式。

課程也強調軟體開發的實務準則，指導開發者如何透過系統提示詞框架與人類協作來提升安全性，內容也會延伸至生產環境的部署策略，協助讀者掌握如何評估代理效能、管理成本並處理執行錯誤。

課程影片
 GitHub程式碼範例

AI Agents for Beginners 課程大綱

第 1 課：什麼是 AI 代理？ (What are AI agents?)

介紹 AI 代理的定義與最佳使用案例。
講解 AI 代理的三個核心組成部分：
1. 大型語言模型 (LLM)：負責推理和規劃。
2. 記憶 (Memory)：包括短期對話上下文和長期數據。
3. 工具 (Tools)：透過 API 執行的服務或函數。
透過 Semantic Kernel 和 GitHub Models 進行程式碼實作。

第 2 課：該使用哪種代理框架 (Which agent framework to use)

介紹「代理框架」(Agentic Frameworks) 的定義，即幫助開發者控制任務管理、上下文理解和代理協作的工具,。
比較三種主要框架：
1. Azure AI Agent Service：適合單一代理，與 Azure 服務整合良好。
2. Semantic Kernel：面向企業開發者，支援 C#、Java 和 Python。
3. Autogen：源自微軟研究院，適合多代理協作與實驗性研究。

第 3 課：如何設計好的 AI 代理 (How to design good AI agents)

探討構建優秀 AI 代理的三個關鍵原則：

空間 (Space)：代理在環境中的可發現性與邊界。
時間 (Time)：代理如何利用過去的互動與記憶隨時間改進。
核心 (Core)：擁抱不確定性，並提供用戶可見的控制權與透明度。

第 4 課：什麼是代理工具使用設計模式？ (What is the Agent Tool Use Design Pattern?)

解釋工具使用模式如何讓 LLM 與外部工具（如計算機、API、資料庫）互動以完成任務。
探討如何結合多個工具來自動化工作流程，以及安全性考量。
展示如何利用 Semantic Kernel 進行函數呼叫（Function Calling）的程式碼範例。

第 5 課：什麼是代理式 RAG？ (What is agentic RAG?)

區分「基本 RAG」（檢索增強生成）與「代理式 RAG」(Agentic RAG)。
代理式 RAG 能分析查詢、制定計畫、使用工具檢索數據，並驗證資訊是否足夠回答問題；如果不足，它會重複檢索過程。

第 6 課：如何構建有效的 AI 代理 (How to build effective AI agents)

介紹「系統訊息框架」(System Message Framework)，利用 LLM 來生成更精確的系統提示詞（System Prompts），涵蓋角色、語氣和責任。
介紹「人機迴路」(Human-in-the-loop) 架構，讓人類能在關鍵時刻介入或批准代理的行動。

第 7 課：什麼是 AI 代理規劃設計模式？ (What is the AI Agent Planning Design Pattern?)

解釋規劃模式如何將複雜任務分解為子任務（Subtasks）。
說明如何結構化代理的輸出（例如 JSON 格式），以便其他系統或代理能處理這些資訊。

第 8 課：如何使用多 AI 代理系統 (How to use a multi-AI agent system)

介紹多代理協作的設計模式：

群組聊天 (Group Chat)：由管理員代理分配任務。
交接 (Handoff)：按工作流順序交接任務。
協同過濾/審查 (Collaborative Filtering)：例如一個代理負責撰寫，另一個負責審查與建議。

第 9 課：AI 代理如何改進？ (How can AI agents improve?)

探討「元認知」(Metacognition) 的概念，即「關於思考的思考」。
讓代理能夠反思決策、識別錯誤，並根據用戶偏好（如航班時間偏好）進行自我調整與學習。

第 10 課：如何將 AI 代理部署到生產環境 (How to deploy AI agents into production)

討論部署時的評估策略，包括對 LLM 回應、用戶意圖識別及工具回應的評估。
處理常見錯誤與備案（例如當某個 API 服務中斷時，自動切換到備用函數）。
管理成本與收集用戶反饋

延伸閱讀：3步驟提示詞，幫你的文章變病毒式傳播！這樣設Gemini Gem，快速把長文變高互動貼文
 Google釋出Gemini提示詞，「行銷領域」一次整理！品牌策略、行銷企劃、市場調查⋯25種提示詞快收藏

資料來源：微軟

本文初稿為AI編撰，整理．編輯/黃若彤

為何「影音體驗」是網路品質的關鍵指標？

愈來愈多消費者入手旗艦機，追求的不只是硬體規格，還有流暢的 AI 應用與多工協作。然而，無論是視訊即時翻譯或雲端會議，這些高階功能都有一個共同前提：網路必須穩定。一旦網路品質不佳導致畫質下降或音畫不同步，旗艦級的 AI 功能將形同虛設。

這也意味著，檢驗網路價值的標準已經改變。如今，不能只看單點測速的瞬間峰值，更重要的是高負載情境下的耐力表現。因此，比起單點測速，影音體驗會是更完整的測試標準，直接挑戰了網路在室內深處、移動途中或人潮聚集時的網路實力；而唯有在長時間串流下依然不卡頓、不降畫質，才稱得上是高品質的連線。

換言之，隱身在硬體背後的電信商，才是發揮旗艦機性能的關鍵；唯有透過最佳網路品質，才能讓手中的旗艦機既是規格領先、也是體驗領先。

唯一影音體驗雙料冠軍，Opensignal 權威認證的有感體驗

雖然相較於測速數據，影音體驗更貼近日常使用，但也更難量化。對此，國際權威認證 Opensignal 的「影音體驗分數」，依循 ITU 國際標準，透過真實用戶裝置在行動網路上進行影音串流的實測數據，觀察不同電信網路在實際使用情境下的表現。

簡單來說，評測聚焦三項核心指標：影片載入時間、播放期間的卡頓率，以及畫質（解析度）是否能穩定維持。使用者從開始播放到持續觀看的整體品質，分數以 0–100 呈現，分數愈高，代表在三項指標的表現愈佳。相較於單點測速，這類評測更能呈現長時間、高使用量下的網路品質。

而在今年最新公布的 Opensignal 評測中，台灣大哥大獲得「影音體驗」獎項唯一雙料冠軍。其中，「整體影音體驗」為全台獨得第一名，「5G 影音體驗」則與遠傳並列第一。

之所以能在影音體驗拔得頭籌，關鍵在於台灣大哥大目前是全台唯一整合 3.5GHz 頻段 60MHz 與 40MHz、形成 100MHz 總頻寬的電信業者，亦是現階段全台最大 5G 黃金頻寬配置。頻寬愈寬，代表單位時間內可傳輸的資料量愈大；在大量使用者同時進行影音串流、視訊互動的狀態下，更能維持穩定傳輸、減少壅塞發生機率。

台灣大獲權威認證，NRCA技術撐起穩定基礎

除了頻寬帶來的流量優勢，台灣大哥大也採用「NRCA 高低頻整合技術」，也就是透過高低頻協作，讓 3.5GHz 負責高速傳輸、700MHz 補強覆蓋與室內連線，改善室內深處與移動情境的訊號落差，提升連線連續性。

同時，為了讓住家、通勤動線、商圈與觀光熱點等高使用場域維持穩定表現，台灣大哥大已在全台超過213個住宅、觀光及商圈熱點完成 100MHz 布建，提升人流密集區的網路覆蓋率。

值得注意的是，在今年的 Opensignal 評比中，台灣大哥大還拿下了「5G 語音體驗」與「網路可用率」兩項第 1 名，累計獲得 4 項獎項。這意味著不僅具備影音體驗優勢，在語音互動與連線率等關乎用戶日常應用的基礎指標，皆有亮眼成績。

尤其，隨著影音與即時互動成為新世代的工作常態，網路品質的重要性只會持續上升。無論是遠距協作所仰賴的視訊與畫面共享即時同步，內容創作對直播與即時上傳連續性的要求，或是 AI 視訊互動、即時翻譯與會議摘要等新應用，都高度依賴低延遲與穩定的資料傳輸。網路品質因此不再只是連線條件，更是支撐內容生產、協作效率與新應用落地的基礎能力，甚至直接牽動競爭力。

而台灣大哥大經 Opensignal 認證、於多項關鍵指標領先業界，不僅將成為 AI 時代的重要後盾，也讓使用者能更充分發揮高階手機的效能，把「快、穩、滑順」落實在每天的工作與生活中。