Agent 技術與實戰交流
會前討論

我們為什麼讀、讀什麼、怎麼讀

日期
2026-10-18
導讀
Jimmy
課程網站
Agent Atlas ↗

今天要聊的五件事

  1. 01技術與實戰交流的目的為什麼要一起讀 AI Agent
  2. 02課程網站簡介Agent Atlas 整理了什麼、怎麼用
  3. 03進行方式的初步想法聚會節奏、共筆 repo 與使用 AI
  4. 04討論並決定進行方式頻率、形式、導讀與實作
  5. 05決定下次導讀人從單元 01 開始

01 · 技術與實戰交流的目的

為什麼要一起讀 AI Agent

A

有系統地學

跟著一條整合 CMU、Stanford、Harvard 七門課的路線，不再只靠零散的文章和新聞拼湊。

B

從讀到做

每個單元都有實作建議，最後用一個整合專題，把建構、評估與交付串起來。

C

把學到的留下來

筆記、聚會紀錄與專題都放進共享的 repo，自己回頭查得到，後來加入的人也接得上。

D

有人一起走

輪流導讀、固定聚會，比一個人自學更容易讀完。

02 · 課程網站簡介

Agent Atlas：一份 AI Agent 課程地圖

從理解 Agent，到建構能完成真實任務的系統。

把 CMU、Stanford 與 Harvard 的七門課串成一條路：建構 Agent，驗證能力，再把軟體交付與持續改進。

先備知識：Python、基本機器學習與 LLM 使用經驗。單元 10 另外建議有 PyTorch 與電腦系統的背景。

單元順序是網站建議的自學路線，不是原校官方課綱。網站只整理與連結，教材版權屬於各課程作者。

ai-agent-course-atlas.chihyu-jimmy-yeh.chatgpt.site ↗
7門原始課程
12個整合單元
3個學習階段
09:00每天同步各課官網更新

02 · 課程網站簡介

七門原始課程，各自負責一塊

代號課程學校 · 學期在路線中的角色
11-768AI AgentsCMU · Fall 2026基礎與完整實作
CS329ZEngineering AI AgentsStanford · Fall 2026系統工程與評估
CS224VAgentic AIStanford · Fall 2026知識與可靠對話
CS329ASelf-Improving AI AgentsStanford · Autumn 2025推理與自我改進
CS2680Modern AI Systems: Agents and System OptimizationsHarvard · Fall 2026模型部署與效能最佳化
11-664/763Inference Algorithms for Language ModelingCMU · Fall 2025解碼策略與推論演算法
CS146SThe Modern Software DeveloperStanford · Fall 2026人與 Agent 協作開發、驗證與交付

02 · 課程網站簡介

12 個單元，分成 3 個階段

BUILD THE FOUNDATION 打基礎
DESIGN & VALIDATE 設計與驗證
01

Agent 基礎與 LLM 系統觀

分辨模型、流程與 Agent，建立對系統邊界的理解。

02

工具使用與 Agent Harness

從單次呼叫到可執行、有停止條件的行動迴圈。

03

RAG、知識整理與可靠查詢

讓回答有來源，連結自由文字與結構化資料。

04

推理、規劃與推論時計算

把複雜任務拆開，理解搜尋與驗證的成本取捨。

05

脈絡、記憶與多 Agent 協作

管理有限脈絡，讓能力可以被保留、共享與重用。

06

評估、資料與可觀測性

先定義何謂完成，再用資料與實驗衡量可靠性。

IMPROVE & APPLY 改進與應用
07

訓練、最佳化與自我改進

從回饋與驗證出發，理解推論、提示與模型訓練的改進。

08

安全、約束與可靠性

把權限、驗證與失敗處理納入系統設計。

09

程式、研究與多模態應用

把 Agent 放進真實工具與工作情境，觀察新的限制。

10

模型部署、成本與系統效能

把 Agent 接到推論引擎，追查時間、token 與算力的去向。

11

AI 原生軟體工程與交付

讓人與 Agent 從規格協作到測試、審查與可維護的交付。

12

整合專題與研究呈現

把系統、評估與改善結果整理成能被他人檢驗的作品。

02 · 課程網站簡介

網站上有什麼

01

學習路線#path

三階段的建議順序，每個單元附學習目標與實作建議，還有 0 / 12 的進度追蹤（進度只存在自己的瀏覽器）。

02

教材庫#library

依課程、主題、類型搜尋投影片、影片、指定閱讀、程式碼與作業規格，每一項都連回原始來源。

03

作業與專題#assignments

各課的官方作業與專題原樣保留，另外設計一個貫穿全程的整合專題。

04

原始課程#sources

七門課的官方順序、出處與版本說明：想看某門課的原貌，從這裡回到官網。

網站不提供作業解答，也不轉存課程教材；需要登入的錄影與繳交系統會另外標示。

02 · 課程網站簡介

整合專題：同一個研究助理，從需求走到交付

做出一個可追溯、可評估、可改進的研究助理，一個階段一個階段地把它長出來。

  1. 1釐清需求
    與風險
  2. 2研究、提案
    與規格
  3. 3MCP 與
    可重用 Skills
  4. 4準備 Agent
    能理解的程式庫
  5. 5實作並
    驗證能力
  6. 6獨立審查
    與修正
  7. 7發布、量測
    與持續維護

為什麼用同一個專題

每個單元學到的東西都裝進同一個系統，最後得到一個能被別人檢驗的作品，而不是 12 個散落的練習。

怎麼搭配技術與實戰交流

可以和技術與實戰交流進度並行。這是 Agent Atlas 的自學建議；正式修課的人請依各課自己的專題規定。

03 · 進行方式的初步想法

一次聚會，讀一個單元

會前
  • 導讀人讀該單元連到的原始教材：投影片、影片、指定閱讀
  • 導讀人把筆記寫進 notes/
  • 其他人至少先看過網站上的單元說明與實作建議
→
聚會
  • 導讀人帶大家走過重點概念
  • 一起討論卡住的地方與延伸問題
  • 有在動手做的人分享進度
→
會後
  • 聚會紀錄寫進 discussions/
  • 列出待辦事項
  • 確認下次的單元與導讀人

照網站的單元順序走，12 個單元大約 12 次聚會；份量比較重的單元可以拆成兩次。

03 · 進行方式的初步想法

共筆 repo：把學到的留下來

notes/

單元筆記

notes/<單元>/<名字>/index.md

每人每個單元一份。要拆子頁、放圖片或程式碼都可以，記得從 index.md 連過去。

discussions/

聚會紀錄

discussions/<日期>/index.md

討論重點、參考資源、待辦事項、下次聚會。今天這份投影片也放在這裡。

projects/

實作與專題

projects/<名字>/index.md

整合專題，或 README 裡的 side project 點子：比賽、課程作業、開源專案、社群實驗。

03 · 進行方式的初步想法

使用 AI：幫你讀懂，但不代替你讀懂

READ

讀的時候

  • 先讀原文，再問 AI導讀人要親自讀過教材；卡住時再請 AI 換個方式解釋、舉例子
  • 用 AI 檢查自己懂了沒先用自己的話寫一段，再請 AI 挑錯、追問或出題考你
  • 查證來源AI 會編出不存在的論文和 API；連結親自點開，數字以官方頁面為準
WRITE

寫筆記時

  • 用自己的話寫AI 可以潤稿、整理格式或翻譯，但「我的理解與疑問」請自己寫
  • 標示 AI 協助的部分填寫筆記開頭的「AI 使用說明」；大段 AI 產生的內容也在旁邊註明
  • 遵守課程的 AI 政策正式修課的人，作業能不能用 AI 依各課規定
BUILD

動手做時

  • 不該外流的不要貼需登入的教材與錄影、別人未公開的筆記、個資和 API 金鑰
  • 在沙盒裡跑 agent不給正式環境權限；commit 前看過 diff，金鑰放 .env
  • 注意花費先設用量上限，用便宜的模型跑通流程再換大模型
SHARE

聚會時

  • 帶用 AI 的經驗來分享它在哪裡出錯、哪個 prompt 或工作流程特別有效，都是很好的題材
  • 現場問 AI，一起檢查大家都答不出來的問題，可以當場問 AI，再一起確認它答得對不對

完整說明見 README 的「注意事項 › 使用 AI」。

03 · 進行方式的初步想法

發 PR 前，先在本機預覽網站

筆記合併進 main 後會自動發布到 GitHub Pages；想先看看它在網站上的樣子，就在本機跑一份。

# 需要 Node.js 20 以上
$ cd .github/pages
$ npm ci            # 第一次才需要
$ npm run preview
→ 打開 http://localhost:4000/
  • 存檔就更新新增或修改檔案後會自動重新建置，瀏覽器也會跟著重新整理
  • 還沒 commit 也看得到新檔案不用先 commit，就會出現在預覽裡
  • 結束與換 port按 Ctrl+C 結束；4000 被占用時改用 npm run preview -- 4001
從筆記到網站
  1. 寫筆記
  2. 本機預覽
  3. 發 PR
  4. 合併進 main
  5. 自動發布cyyeh.github.io/agent-atlas-learning

03 · 進行方式的初步想法

貢獻者名單：第一次貢獻時，把自己加進去

名單在 repo 根目錄的 CONTRIBUTORS.md，網站每一頁的頁首也有「貢獻者」連結。

  • 跟著第一個 PR 一起加交第一份筆記或紀錄時，順手把自己加進名單
  • 照字母順序排依 GitHub username 的字母順序插入
  • 只有 username 必填其他想寫什麼、寫多少都可以
格式 
## [@你的-github-username](https://github.com/你的-github-username)

- 名字：<希望大家怎麼稱呼你>
- <任何你想公開的資訊，例如自我介紹、正在研究什麼、
   個人網站、社群帳號>
目前名單
@cyyehJimmy Yeh
@你等你加入

04 · 討論並決定

一起決定：技術與實戰交流怎麼進行

要決定的事可以考慮的選項決議
聚會頻率每週 · 隔週
時間與長度平日晚上 · 週末；60 或 90 分鐘
聚會形式線上 · 實體 · 混合
導讀方式一人導讀一個單元 · 一個單元多人分工
會前準備只有導讀人寫筆記 · 每個人都寫筆記
動手實作各自做 side project · 一起做整合專題 · 自由參加

05 · 下次導讀人

下次聚會：從單元 01 開始

Q & A

七門課 · 一份地圖 · 回到原始知識。