第五階段：AI應用場景探索

由 Andrew Ng 講授的智能體 AI 課程，教授如何構建能夠自主執行複雜任務的 AI 系統，掌握反思、工具使用、規劃和多智能體協作四大設計模式

Start Learning AI →
AgenticAIAndrewNgAIAgentsWebSiteVideoFreeEnglish

智能體AI課程詳細介紹

課程概述

Andrew Ng 的智能體AI課程 (Agentic AI with Andrew Ng) 是由 DeepLearning.AI 推出的一門專注於建構智能體AI系統的課程，由人工智能領域先驅 Andrew Ng 親自授課。這門課程教授如何建構能夠透過迭代、多步驟工作流程自主執行任務的智能體AI系統。

課程特點：

  • 📚 5個模組 - 完整的系統化學習路徑
  • ⏰ 約6小時 - 自訂進度學習
  • 🎯 中級難度 - 適合有一定基礎的學習者
  • 🆓 免費課程 - 僅在 DeepLearning.AI 平台提供
  • 🎓 完成證書 - 課程結束後獲得技能認證

什麼是智能體AI (Agentic AI)？

智能體AI 代表了一種全新的軟體建構方式，它利用大型語言模型(LLM)來完成複雜任務中的部分或全部步驟。與傳統的單次提示-回應模式不同，智能體工作流程使AI能夠：

  • 📋 規劃多步驟流程 - 將複雜任務分解為可執行步驟
  • 🔄 迭代執行 - 循環改進輸出品質
  • 🛠️ 使用工具 - 連接資料庫、API和外部服務
  • 🤔 自我反思 - 評估並改進自己的輸出

核心設計模式

課程將深入講解支撐智能體AI系統的四種核心設計模式：

1. 反思 (Reflection)

AI 能夠批判性地審視自己的工作並迭代改進品質——就像自動化的程式碼審查一樣。

應用場景：

  • 程式碼自動審查和優化
  • 文件品質改進
  • 輸出結果自我糾錯

2. 工具使用 (Tool Use)

將AI連接到資料庫、API和外部服務，使其能夠真正執行操作，而不僅僅是生成文本。

應用場景：

  • 資料庫查詢和操作
  • 網路搜尋和資訊檢索
  • 程式碼執行和測試
  • 郵件發送和日曆管理

3. 規劃 (Planning)

將複雜任務分解為可執行的步驟，AI可以遵循並在事情不按預期進行時進行調整。

應用場景：

  • 任務分解和排程
  • 專案管理自動化
  • 自適應工作流程設計

4. 多智能體協作 (Multi-Agent)

協調多個專門化的AI系統來處理複雜工作流程的不同部分。

應用場景：

  • 團隊協作模擬
  • 專業化任務分工
  • 複雜系統的分散式處理

課程大綱

模組1：智能體工作流程簡介 (Agentic Workflows 簡介)

  • 歡迎 (2分鐘)
  • 什麼是智能體AI？ (5分鐘) - 理解智能體AI的本質
  • 自主性程度 (5分鐘) - 自主性程度分析
  • 智能體AI的優勢 (4分鐘) - 智能體AI的優勢
  • 智能體AI應用 (7分鐘) - 實際應用場景
  • 任務分解 (8分鐘) - 識別工作流程中的步驟
  • 評估智能體AI (Evals) (5分鐘) - 評估驅動的開發框架
  • 智能體設計模式 (7分鐘) - 設計模式概覽
  • 模組1測驗 (10分鐘) - 模組測驗
  • 試用研究智能體 (10分鐘) - 實踐研究智能體

模組2-5：進階主題

課程後續模組將深入探討各個設計模式的實現細節，並最終建構一個完整的研究智能體，能夠：

  • 收集資訊
  • 分析發現
  • 生成綜合報告
  • 執行自主工作流程

實戰專案：研究智能體 (Research Agent)

課程的核心實戰專案是建構一個功能完整的研究智能體，它能夠：

# 範例工作流程
1. 規劃研究策略
2. 調用網路搜尋引擎
3. 下載相關網頁
4. 綜合和排序發現
5. 起草大綱
6. 編輯審查一致性
7. 生成 Markdown 報告

專案特點：

  • 🔍 自動化資訊收集
  • 📊 智能分析和綜合
  • 📝 生成結構化報告
  • 🔄 多步驟迭代優化

學習方法

技術實現

  • 使用純 Python - 從第一原理建構，不隱藏框架細節
  • 框架中立 - 學習核心概念，可應用於任何智能體框架
  • 循序漸進 - 先理解基礎，再探索框架工具

實踐技能

  • ✅ 將業務流程解構為智能體工作流程
  • ✅ 識別適合智能體實現的任務
  • ✅ 建構健壯的測試框架
  • ✅ 進行系統化錯誤分析
  • ✅ 優化系統用於生產部署

評估與優化

課程特別強調評估驅動的開發方法(Evals)，這是建構有效智能體的關鍵：

核心能力：

  • 📈 效能指標設計
  • 🐛 錯誤分析方法
  • 🔍 工作流程追蹤(Traces)
  • 🎯 組件級優化
  • 🚀 生產部署準備

Andrew Ng 的見解：

「我發現，決定一個人能否有效建構智能體的最大預測因素，是他們是否知道如何推動評估和錯誤分析的規範流程。不懂得如何做到這一點的團隊可能會花費數月時間調整智能體，卻幾乎沒有進展。」

適合人群

理想學員

  • 💻 軟體開發者 - 希望應用AI技術建構處理多步驟工作流程的自主系統
  • 🐍 Python程式設計師 - 具備中級水平的Python程式設計技能
  • 🤖 AI從業者 - 對大型語言模型和API有基本了解，想要深化實踐技能

前置要求

  • Python 程式設計基礎
  • 對大型語言模型(LLM)的基本了解
  • API 調用經驗(有幫助但非必需)

課程價值

為什麼要學習這門課程？

  1. 掌握前沿技能 - 智能體AI是當前AI就業市場最搶手的技能之一
  2. 實戰經驗 - 從零建構生產級智能體應用
  3. 系統化方法 - 學習經過驗證的設計模式和最佳實踐
  4. 靈活應用 - 理解核心概念後可使用任何框架實現
  5. 職業發展 - 顯著領先於大多數建構智能體的團隊

應用場景範例

  • 📝 內容生成和編輯
  • 🔬 深度研究和分析
  • 💼 客戶服務自動化
  • 📈 行銷工作流程自動化
  • 👨‍💻 程式碼生成和審查
  • ⚖️ 法律文件合規性檢查
  • 🏥 醫療保健研究
  • 📊 商業產品研究

講師介紹

Andrew Ng

  • 🎓 人工智能領域先驅
  • 🧠 Google Brain 共同創辦人
  • 📚 Coursera 共同創辦人
  • 🏢 前百度首席科學家
  • 👨‍🏫 影響數百萬學習者的機器學習課程創作者

學習建議

  1. 每天完成一課 - 保持學習連貫性
  2. 動手實踐 - 跟隨課程建構專案
  3. 深入理解 - 理解原理而非死記框架
  4. 實驗創新 - 嘗試將學到的模式應用到自己的專案
  5. 加入社群 - 參與 DeepLearning.AI 論壇討論

課程成果

完成課程後，你將能夠：

✅ 理解智能體AI的核心概念和優勢 ✅ 實現四種關鍵的智能體設計模式 ✅ 建構生產級智能體應用 ✅ 評估和優化智能體系統 ✅ 識別適合智能體實現的業務場景 ✅ 使用任何框架或純Python建構智能體 ✅ 獲得 DeepLearning.AI 認證證書

總結

這是一門極具實戰價值的課程，由AI領域頂尖專家Andrew Ng親自授課。課程不僅教授理論知識，更注重實踐能力的培養，特別是評估驅動的開發方法，這是許多團隊容易忽視但卻至關重要的技能。無論你是想要建構自己的AI應用，還是想要在職業發展中獲得競爭優勢，這門課程都是2025年不可錯過的學習機會。

課程連結： https://www.deeplearning.ai/courses/agentic-ai/