Agent 學習地圖
從第一個模型呼叫，到能安全交付的 Agent
這份地圖帶你依序完成三件事：先懂基礎（LLM、Prompt、API 與 Token 是什麼），再做出東西（讓模型呼叫工具、跑 Agent Loop、讀文件與記住事情），最後做得可靠（加入權限、Eval、人工批准、觀測與失敗復原）。
兩種走法
使用現成 CLI Agent 把工作做完：A1 選一個 CLI Agent → A2 建立可重複流程 → Stage 5 生態系 → A3 接進團隊流程 → Stage 8 操作介面。
從零打造 Agent：Stage 3 第一個 Agent Loop 起步，走完 Stage 4–8 主線，以結業專題收尾。
主線：Stage 0 到結業專題
共用基礎是 Stage 0–2；Track A 在 Stage 3 前轉入 CLI 路線，Track B 走完主線到結業專題。- 0
基礎準備
12 堂對應課用 Python 呼叫公開 API、讀 JSON，並用 Git 保存成果。
5–15 小時（1–2 週）進入站點 - 1
LLM 基礎
策展中先看懂模型怎麼從資料走到 Agent，再用一條可重複的本機到雲端路徑呼叫 LLM；讀懂 Token、Context Window 與 Temperature，並用成本與延遲解釋模型選擇。
5–8 小時官方版 - 2
Prompt 設計
策展中把目標、資料、規則與輸出格式說清楚，用固定案例實測不同提示策略的邊界，而不是背口訣。
5–8 小時（含練習）官方版 - 3
工具使用與第一個 Agent Loop⭐
7 堂對應課做出有最大輪數、會驗證參數的 Agent Loop。
5–8 小時進入站點 - 4
Workflow Graph 與 Agent 框架
策展中先看懂 Workflow Graph，再用 framework 把它做出來；Stage 7 會在同一張工作圖上加入 Eval、觀測、批准與復原。
10–15 小時（2–3 週）官方版 - 5
Claude Code 生態系
策展中工具與規則的 Hub：先讀核心 5.1–5.4，5.5–5.8 依工作需要選讀；Track A 看怎麼用，Track B 看怎麼組合。
主線 6–10 小時；全部 15–25 小時官方版 - 6
RAG 與 Memory
策展中建立最小 RAG 與長期記憶流程；只記值得記、允許記、能刪掉的事。
6–10 小時官方版 - 7
Agent 上線工程：可測、可看、可停、可恢復
策展中像把一台玩具車放到真正的馬路前，先補上方向盤、煞車和儀表板：Eval、觀測、批准與復原。
12–20 小時官方版 - 7.5
進階 Agentic 選擇
策展中只回答一個問題：哪個已重現的失敗，值得你多加一層檢查、故障測試或計畫機制。
6–10 小時（選讀）官方版 - 8
Agent 操作介面
策展中Browser Use、Computer Use 與 Sandbox：判斷任務該用 CLI、Browser、Computer Use 還是 API；先用 API／Fetch，真的需要時才升級。
6–10 小時官方版 - ★
結業專題
策展中完成 A3 或 Stage 7 後開始：做出可執行的程式碼骨架，選最小操作介面與安全出口，並以評分標準自我檢查。
3–20 小時（兩種規格）官方版
怎麼學才不容易卡住
- 1.一次只走一個 Stage：先回答這一章的核心問題。
- 2.核心詞與必讀先看：它們會直接用在後面的練習。
- 3.直接複製第一個指令：先跑不連網的測試，不必抄一份空白檔案。
- 4.一次只改一件事：改完立刻再跑測試，才知道是哪個改動造成結果。
- 5.做到完成條件再往下走：看懂不等於做得到。
本專區改編自 Wenyu Chiou 的 awesome-agentic-ai-zh（MIT 授權，v2026.09.23，222 頁）：站點順序、學習目標、練習與資源表取自上游教材，並將各站對應到本站既有的免費課程。資源連結查核日 2026-08-27（上游）。 MIT License