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。
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：
-
大型語言模型 (LLM)：負責推理和規劃。
-
記憶 (Memory)：包括短期對話上下文和長期數據。
-
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：
-
Azure AI Agent Service：適合單一代理，與 Azure 服務整合良好。
-
Semantic Kernel：面向企業開發者，支援 C#、Java 和 Python。
-
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
