Intelligent Agent 實作研習 / 多頁教材版
Intelligent Agent 實作研習
依據需求規格拆分成多頁課程網站：從 Agent 理論、工具比較、API、Ollama、RAG、Multi-Agent 到 GB10 教學環境，方便授課與逐頁閱讀。
教師研習
理論 + 架構 + 實作
RWD + 深色模式
Mermaid + 程式碼範例
課程定位與使用方式
本網站不是產品介紹頁，而是可直接拿來帶 6 小時教師研習的教材網站。每一頁都採用固定教學結構：學習目標、背景知識、理論說明、架構圖、操作流程、範例程式、實作練習、常見錯誤與延伸閱讀。
建議上課節奏
上午先講 Agent 概念、工具比較與模型來源；下午進入 Ollama、RAG、Multi-Agent 與 Labs。
研習對象
已有 ChatGPT / Claude / Gemini 經驗、具基本程式能力、希望理解 Agent 生態系的科技大學教師。
跨域案例
內含外語學院與半導體工程的案例，方便將 Agent 應用轉譯到不同學門。
課程地圖
1. Agent 概念
從 ChatBot、Assistant 一路過渡到 Agent 與 Multi-Agent。
2. 工具生態
比較 OpenClaw、Hermes、Claude Code、Codex、Antigravity。
3. 模型來源
商業 API、免費 API、本地模型的取捨。
4. 進階實作
Ollama、RAG、Multi-Agent、8 個實作 Lab、GB10 環境。
建議授課模式
模式 A｜純示範型
教師為主操作，學員以理解 agent 生態與流程為目標。
模式 B｜半實作型
學員跟做 API、Ollama 與一個最小 workflow，適合 6 小時研習。
模式 C｜專題延伸型
研習後延伸成各系課程應用、小型專題或教師社群共備。
6 小時研習建議流程
第 1 小時
建立共同語言：ChatBot、Assistant、Agent、Multi-Agent。
第 2 小時
比較主流工具與模型來源，建立技術選型觀念。
第 3-4 小時
示範 Ollama、本地模型切換、RAG 與資料流程。
第 5-6 小時
完成 Multi-Agent Workflow 與 8 個實作 Lab 的關鍵步驟。
課前準備與 FAQ
本課程重點不是教學員如何多寫幾種 prompt，而是讓學員理解：當任務需要查資料、呼叫工具、切換模型、保留狀態與人工審核時，系統設計就會從聊天介面升級為 agent workflow。
建議前半段用共通概念與圖示建立語言，後半段再用分層練習：非程式背景學員完成概念設計與流程圖，程式背景學員再進一步完成 API 與本地模型連接。
- 至少一個可用的雲端 API Key。
- 基本 Python 與 Node 環境。
- 若要示範本地模型，請先確認 Ollama 或教室工作站資源。
- 最好準備一份自己的課程資料，方便在 RAG 練習中直接使用。