Readmoo 讀墨電子書
華文小說投票 每日優惠 版權到期
AI Agent智能工作流：設計與自動化全實戰
0 則劃線
0 篇書評

AI Agent智能工作流：設計與自動化全實戰

分類導覽 > 電腦科技 > 程式設計
  • 出版日期： 2026/02/19
  • 語言：繁體中文
  • 檔案大小：97.7MB
  • 商品格式：固定版面 EPUB
  • ISBN: 9786267757819
  • eISBN: 9786267757925
  • 頁數： 450
紙本書定價：NT$ 760
電子書定價：NT$ 760
電子書售價：NT$ 608
本書為固定版面 EPUB，建議您使用 mooInk Pro 系列、平板及電腦閱讀。

2025，Agent 元年。
AI 不再只是回答問題，而是真正幫你把事情做完。
這本書帶你認識這個即將改變工作與生活的新夥伴。

喜歡這本的人，也看了...

  • 胡嘉璽
    深智數位股份有限公司
    電子書： NT$ 864

    ►►►重量級Claude Code手冊◄◄◄ ►►►涵蓋最新更新Agent Skills內容◄◄◄ ►►►從新手晉升為高手◄◄◄ ★內容介紹 ☆Vibe Coding 時代第一名的 AI 開發助手 Claude ...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 496

    NotebookLM筆記術 打造你的AI「第二大腦」 ★☆★ 從「抄重點」走向「理解與輸出」 ★☆★ ★☆★ 多來源整合 x 提問思考 x 知識累積 ★☆★ ★☆★ 學生、教師、上班...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 480

    AI高效學習術 人工智慧時代學得更聰明 本書內容 ☆★☆在 AI 時代，會學習才是真本事☆★☆ ☆★☆不是學更多，而是學得更聰明☆★☆ ☆★☆讓 AI 當思考教練，而不是...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 544

    　　這是一本完全入門，充滿創意與描述Python未來潛在應用的書籍，也是國內第一本： 　　☆ 「與 AI 對話」單元：引導讀者用ChatGPT對Python語法進行深度理解...

    試讀
  • 陳仁政
    深智數位股份有限公司
    電子書： NT$ 632

    本書強調動手實作，帶領讀者從開發到落地，完整掌握LLM系統的工程方法。 ★從基礎到進階，一條完整的LLM開發學習路線 ★給開發者的LLM實戰書，從第一個Prom...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 520

    Nano Banana 藝術宇宙 Veo x Sora 多模態 AI 創作時代 Nano Banana讓AI從「創作師」變身「藝術導演」 從圖像修飾到電影級敘事的 AI 藝術進化 跨越靜態...

    試讀
  • 洪錦魁（著）
    深智數位股份有限公司
    電子書： NT$ 464

    為什麼這本《AI 思維 - 原子習慣》值得你帶回家？ 如果你已經看過無數「自律」、「時間管理」、「成功習慣」的書，卻始終做不到、撐不久、三分鐘熱度，那不...

    試讀
  • 胡嘉璽
    深智數位股份有限公司
    電子書： NT$ 784

    ★ 第一本 Google Antigravity 繁體中文完整教學 ★ AI 原生開發環境的核心概念與實戰技巧 ★ Agent 架構：理解 AI 代理人如何替你寫程式、做決策 ★ 多 Agent...

    試讀
  • AS Studio
    AS studio
    電子書： NT$ 350

    你是否也沉浸在 AI 寫程式的魔法中，一行指令就變出一個網站或自動化工具？但當興奮褪去，你是否曾深夜自問：「這段 AI 給我的程式碼，真的安全嗎？」 本書...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 576

    寫程式不是比誰先跑起來，而是能否長期維護。當需求一改就骨牌倒、長函式與巢狀條件像毛線球、沒有測試誰也不敢動，這些都是「技術債」。本書以實務為軸，從C...

    試讀

    • 詳細資訊

    2025，Agent 元年。
    AI 不再只是回答問題，而是真正幫你把事情做完。
    這本書帶你認識這個即將改變工作與生活的新夥伴。

    ★ 不用學程式，也能擁有 24 小時待命的數位員工
    ★ 從 ChatGPT 到 AI Agent，一次搞懂「動口」到「動手」的關鍵差異
    ★ 故事導向寫法，讀起來像看小說，不像讀教科書
    ★ 涵蓋生活應用、企業實務、軟體開發，各行各業都適用
    ★ 零程式碼工具教學，帶你親手打造第一個 Agent

    【第一部：初識】從零開始認識你的數位夥伴
    • 從餐廳 AI 訂位的真實案例，秒懂 Agent 在做什麼
    • ChatBot 只會回話，Agent 會動手做事——本質差異一次講清楚
    • 大腦、手腳、工具箱：用簡單比喻理解 Agent 的基本構造

    【第二部：理解】Agent 如何思考與行動
    • 感知、思考、行動、反省——Agent 工作循環完整拆解
    • 記憶的藝術：Agent 怎麼記得你說過的話
    • 一個不夠用？多個 Agent 的團隊協作模式

    【第三部：應用】Agent 正在改變的世界
    • 你的私人秘書：生活中的行程管理、訂餐、訂票
    • 不眠不休的員工：企業客服、銷售、人資自動化
    • 會寫程式的 Agent：軟體開發的革命性變化

    【第四部：實作】打造你的第一個 Agent
    • 零程式碼工具介紹，不會寫 code 也能做
    • 手把手帶你建立簡單 Agent
    • 讓 Agent 更聰明的實用技巧

    【第五部：展望】與 Agent 共處的未來
    • Agent 會搶走你的工作嗎？
    • 當 Agent 犯錯，誰該負責？
    • 人機協作新時代，找到你的位置"

    影音資訊

    目錄列表

  • 目錄
    1. COVER
      1. 序章：當 AI 開始「動手做事」
        1. 0.0.1 資本瘋狂湧入
        2. 0.1 我為什麼寫這本書
        3. 0.2 延伸閱讀
      2. 第一章：那個會幫你訂餐廳的 AI
        1. 1.1 一通改變歷史的電話
        2. 1.2 語音 AI 的進化之路
          1. 1.2.1 第一代：關鍵字辨識（1990-2010）
          2. 1.2.2 第二代：統計模型（2010-2017）
          3. 1.2.3 第三代：深度學習與大型語言模型（2018- 現在）
          4. 1.2.4 技術比較表
        3. 1.3 從「會說話」到「會辦事」
        4. 1.4 餐廳訂位只是開始
        5. 1.5 不只是餐廳的事
        6. 1.6 它不只是更聰明的 Siri
        7. 1.7 為什麼現在才做得到？
        8. 1.8 不完美，但夠用了
          1. 1.8.1 接受度調查
        9. 1.9 常見問題
          1. 1.9.1 Q1：AI 訂位系統會不會搞錯？
          2. 1.9.2 Q2：如果我有特殊需求，AI 能處理嗎？
          3. 1.9.3 Q3：我怎麼知道電話那頭是 AI 還是真人？
          4. 1.9.4 Q4：AI 聽得懂方言或口音嗎？
          5. 1.9.5 Q5：餐廳導入 AI 訂位系統貴嗎？
          6. 1.9.6 Q6：未來 AI 會完全取代餐廳的人工訂位嗎？
        10. 1.10 所以，AI Agent 到底是什麼？
        11. 1.11 本章摘要
          1. 1.11.1 AI Agent 訂位系統的核心價值
          2. 1.11.2 語音 AI 技術演進
          3. 1.11.3 本章關鍵觀念
        12. 1.12 延伸閱讀
      3. 第二章：從「動口」到「動手」— ChatBot 與 Agent 的本質差異
        1. 2.1 一個更戲劇化的例子
        2. 2.2 圖書館員 vs. 私人助理
        3. 2.3 一個問題，兩種回答
        4. 2.4 被動 vs. 主動
        5. 2.5 單次推論 vs. 多步推理
        6. 2.6 記憶的差異
        7. 2.7 工具使用：真正的分水嶺
        8. 2.8 深入技術：Agent 是怎麼「動手」的？
          1. 2.8.1 工具調用的技術原理
          2. 2.8.2 從文字生成到決策引擎
          3. 2.8.3 為什麼這很難？
          4. 2.8.4 2024-2025 年的技術進展
        9. 2.9 Agent 市場的爆發性成長
        10. 2.10 那我應該用哪一個？
        11. 2.11 不是取代，而是演進
          1. 2.11.1 ChatBot 不會消失的三個理由
          2. 2.11.2 Agent 是 ChatBot 的「超集」
          3. 2.11.3 未來可能的混合模式
          4. 2.11.4 真正的演進
        12. 2.12 常見問題解答
          1. 2.12.1 Q1：我現在用的 ChatGPT/Claude/Gemini 是 ChatBot還是 Agent ？
          2. 2.12.2 Q2：Agent 會不會做錯事？
          3. 2.12.3 Q3：是不是所有任務都適合交給 Agent ？
          4. 2.12.4 Q4：未來 ChatBot 會消失嗎？
          5. 2.12.5 Q5：我需要學什麼才能開發 Agent ？
        13. 2.13 本章重點整理
          1. 2.13.1 一句話總結
          2. 2.13.2 判斷何時用哪個
        14. 2.14 延伸閱讀
      4. 第三章：大腦、手腳、工具箱 — Agent 的基本構造
        1. 3.1 從一個真實的故事說起
        2. 3.2 用員工來想像
        3. 3.3 大腦：大型語言模型（LLM）
        4. 3.4 選擇大腦：各家 LLM 的比較
        5. 3.5 手腳：執行層
        6. 3.6 工具箱：外部工具與 API
        7. 3.7 MCP：工具的「USB-C」標準
        8. 3.8 記憶：讓 Agent 記得你是誰
        9. 3.9 組合起來：Agent 的完整架構
        10. 3.10 不同的 Agent，不同的配置
        11. 3.11 為什麼這個架構重要？
        12. 3.12 一個類比總結
        13. 3.13 常見問題
        14. 3.14 本章重點回顧
        15. 3.15 延伸閱讀
      5. 第四章：感知、思考、行動、反省 — Agent 的工作循環
        1. 4.1 一個真實的情境：當航班取消時
        2. 4.2 OODA：軍事決策的智慧
        3. 4.3 Agent 的四步循環
          1. 1. 感知（Perceive）
          2. 2. 思考（Reason）
          3. 3. 行動（Act）
          4. 4. 反省（Reflect）
        4. 4.4 ReAct：推理與行動的結合
        5. 4.5 讓 AI 學會「思考」的技術演進
          1. 4.5.1 Chain of Thought（思維鏈）
          2. 4.5.2 Tree of Thoughts（思維樹）
          3. 4.5.3 OpenAI o1 與 o3：把「思考」變成核心能力
          4. 4.5.4 推理技術的比較
        6. 4.6 一個實際的例子
        7. 4.7 反省的力量
        8. 4.8 多輪反省：Reflection 模式
        9. 4.9 循環的邊界
        10. 4.10 為什麼這個循環重要？
        11. 4.11 一個比喻總結
        12. 4.12 常見問題
        13. 4.13 本章重點回顧
        14. 4.14 延伸閱讀
      6. 第五章：記憶的藝術 — Agent 如何記得你是誰
        1. 5.1 記憶如何改變一切
        2. 5.2 沒有記憶的困境
        3. 5.3 記憶的類型
          1. 5.3.1 短期記憶：當下的對話
          2. 5.3.2 長期記憶：累積的認識
          3. 5.3.3 情節記憶：具體的經歷
          4. 5.3.4 程序記憶：學會的技能
        4. 5.4 記憶是怎麼運作的？
          1. 5.4.1 第一步：決定什麼值得記
          2. 5.4.2 第二步：把記憶儲存起來
          3. 5.4.3 第三步：在需要時取出
        5. 5.5 RAG：讓記憶變得實用
          1. 5.5.1 RAG 的實際運作流程
        6. 5.6 現實世界的記憶系統：產品比較
          1. 5.6.1 ChatGPT 的 Memory 功能
          2. 5.6.2 Claude 的 Projects 功能
          3. 5.6.3 比較表
          4. 5.6.4 其他記憶解決方案
        7. 5.7 記憶壓縮：當記憶太多怎麼辦
          1. 5.7.1 對話摘要
          2. 5.7.2 分層記憶
          3. 5.7.3 遺忘機制
        8. 5.8 記憶的挑戰
          1. 5.8.1 挑戰一：記什麼、不記什麼？
          2. 5.8.2 挑戰二：過時的記憶
          3. 5.8.3 挑戰三：隱私和安全
          4. 5.8.4 挑戰四：記憶的衝突
        9. 5.9 記憶讓 Agent 成為夥伴
        10. 5.10 你可以做的事
        11. 5.11 常見問題
        12. 5.12 本章重點回顧
        13. 5.13 延伸閱讀
      7. 第六章：當 Agent 學會使用工具
        1. 6.1 當 Agent 第一次「拿起工具」
        2. 6.2 為什麼大腦不夠用？
        3. 6.3 工具是什麼？
        4. 6.4 Function Calling：讓 AI 動手的關鍵技術
        5. 6.5 Function Calling 的技術細節
          1. 6.5.1 工具的「自我介紹」
          2. 6.5.2 AI 如何「決定」用工具
          3. 6.5.3 並行工具調用
        6. 6.6 一個更複雜的例子
        7. 6.7 MCP：工具的「USB-C 接口」
        8. 6.8 Agent 如何選擇工具？
        9. 6.9 工具使用的風險
        10. 6.10 工具的未來
        11. 6.11 一個類比總結
        12. 6.12 工具選擇的智慧：當工具太多怎麼辦？
          1. 6.12.1 分類與索引
          2. 6.12.2 工具描述的品質
          3. 6.12.3 動態工具載入
        13. 6.13 常見問題
        14. 6.14 本章重點回顧
        15. 6.15 延伸閱讀
      8. 第七章：一個人不夠用？多個 Agent 的團隊協作
        1. 7.1 一個小故事：AI 團隊的崛起
        2. 7.2 為什麼需要多個 Agent ？
        3. 7.3 團隊的分工模式
          1. 7.3.1 模式一：老闆與員工
          2. 7.3.2 模式二：專家會診
          3. 7.3.3 模式三：生產線
          4. 7.3.4 模式四：辯論制
        4. 7.4 實際案例：AI 軟體開發團隊
        5. 7.5 Agent 之間怎麼溝通？
        6. 7.6 A2A：Agent 之間的共同語言
        7. 7.7 協調的挑戰
        8. 7.8 框架和工具
        9. 7.9 深入了解：OpenAI Swarm 的設計哲學
          1. 7.9.1 兩個核心概念
          2. 7.9.2 為什麼這個設計很聰明？
          3. 7.9.3 Swarm 的限制
        10. 7.10 多 Agent 框架大比較
          1. 7.10.1 如何選擇？
          2. 7.10.2 一個選擇框架的實際案例
        11. 7.11 多 Agent 系統的成本考量
          1. 7.11.1 成本計算的基本概念
          2. 7.11.2 降低成本的策略
          3. 7.11.3 成本與品質的平衡
        12. 7.12 未來的方向
        13. 7.13 常見問題解答
          1. 7.13.1 Q1：多 Agent 一定比單一 Agent 好嗎？
          2. 7.13.2 Q2：Agent 之間「吵架」是好事還是壞事？
          3. 7.13.3 Q3：我應該讓每個 Agent 用相同的 LLM，還是不同的？
          4. 7.13.4 Q4：多 Agent 系統會不會「串通」騙我？
          5. 7.13.5 Q5：多 Agent 系統適合什麼規模的應用？
          6. 7.13.6 Q6：未來每個人都會有自己的「Agent 團隊」嗎？
        14. 7.14 本章重點整理
        15. 7.15 一個比喻總結
        16. 7.16 延伸閱讀
      9. 第八章：你的私人秘書 — 生活中的 Agent
        1. 8.1 一個忙碌媽媽的一週實驗
        2. 8.2 一天的生活，有 Agent 幫忙
        3. 8.3 生活中的 Agent 應用
          1. 8.3.1 行程管理
          2. 8.3.2 郵件處理
          3. 8.3.3 購物比價
          4. 8.3.4 旅行規劃
          5. 8.3.5 健康管理
          6. 8.3.6 財務管理
        4. 8.4 Siri 和 Alexa 不是早就有了嗎？
        5. 8.5 口袋裡的 Agent：手機上的 AI 革命
          1. 8.5.1 Apple Intelligence：讓 Siri 真正「懂」你的手機
          2. 8.5.2 Google Gemini：把最強的 AI 塞進你的 Android
          3. 8.5.3 Samsung Galaxy AI：多方合作的策略
          4. 8.5.4 那些「專屬 AI 裝置」呢？
          5. 8.5.5 手機 Agent 的獨特優勢
        6. 8.6 已經可以用的工具
        7. 8.7 目前的限制
        8. 8.8 一個心態的轉變
        9. 8.9 隱私保護：讓 AI 幫忙，又不洩露秘密
          1. 8.9.1 本地處理（On-Device Processing）
          2. 8.9.2 Private Cloud Compute
          3. 8.9.3 差分隱私（Differential Privacy）
          4. 8.9.4 你可以做什麼來保護自己？
        10. 8.10 常見問題解答
          1. 8.10.1 Q1：我應該從哪裡開始使用生活 Agent ？
          2. 8.10.2 Q2：免費的 AI 工具夠用嗎？
          3. 8.10.3 Q3：AI 的建議會不會很離譜？
          4. 8.10.4 Q4：用 AI 管理生活會不會變懶？
          5. 8.10.5 Q5：小孩可以用生活 AI 嗎？
          6. 8.10.6 Q6：哪個手機的 AI 功能最好？
        11. 8.11 生活 Agent 工具總覽
        12. 8.12 本章重點整理
        13. 8.13 延伸閱讀
      10. 第九章：不眠不休的員工 — 企業裡的 Agent
        1. 9.1 企業為什麼需要 Agent ？
        2. 9.2 客服：最早的戰場
        3. 9.3 銷售與行銷
        4. 9.4 人力資源
        5. 9.5 財務與會計
        6. 9.6 供應鏈與營運
        7. 9.7 投資報酬率：一筆實際的帳
          1. 9.7.1 成本端：你需要投入什麼？
          2. 9.7.2 效益端：可以帶來什麼價值？
          3. 9.7.3 隱性效益：難以量化但同樣重要
          4. 9.7.4 複利效應
        8. 9.8 導入的挑戰
        9. 9.9 企業 Agent 的安全架構
          1. 9.9.1 第一層：身份認證與存取控制
          2. 9.9.2 第二層：資料隔離與加密
          3. 9.9.3 第三層：行為監控與審計追蹤
          4. 9.9.4 第四層：輸入驗證與輸出過濾
          5. 9.9.5 第五層：人類監督機制
          6. 9.9.6 安全架構總結
        10. 9.10 Vending-Bench：一場揭露 Agent 真實能力的實驗
          1. 9.10.1 為什麼是販賣機？
          2. 9.10.2 各家模型的表現
          3. 9.10.3 當 Agent 崩潰
          4. 9.10.4 不是記憶的問題
          5. 9.10.5 Vending-Bench 2：更接近真實商業
          6. 9.10.6 這對企業意味著什麼？
        11. 9.11 不是取代，是增強
        12. 9.12 未來的方向
        13. 9.13 常見問題
        14. 9.14 企業 Agent 應用總結
          1. 9.14.1 導入成功關鍵
        15. 9.15 延伸閱讀
      11. 第十章：會寫程式的 Agent — 軟體開發的革命
        1. 10.1 一個資深工程師的心路歷程
        2. 10.2 從自動補完到自主開發
        3. 10.3 Coding Agent 能做什麼？
        4. 10.4 主要的工具
        5. 10.5 實際的開發場景
        6. 10.6 對程式設計師的影響
        7. 10.7 實際使用的建議
        8. 10.8 未來展望
        9. 10.9 常見問題解答
          1. 10.9.1 Q1：我應該選哪個 Coding Agent 工具？
          2. 10.9.2 Q2：AI 生成的程式碼品質怎麼樣？
          3. 10.9.3 Q3：初學者應該先學程式設計，還是直接用 AI ？
          4. 10.9.4 Q4：Coding Agent 會不會產生有安全漏洞的程式碼？
          5. 10.9.5 Q5：未來程式設計師會失業嗎？
          6. 10.9.6 Q6：我應該擔心 AI 學走我的程式碼風格嗎？
        10. 10.10 2025 年 Coding Agent 工具比較表
        11. 10.11 本章重點整理
        12. 10.12 延伸閱讀
      12. 第十一章：當AI 學會上網 — 瀏覽器 Agent 的崛起
        1. 11.1 用一個模擬情境來說明：當 AI 替我處理保險理賠
        2. 11.2 為什麼這很重要？
        3. 11.3 它是怎麼做到的？
        4. 11.4 深入技術：視覺定位是怎麼運作的？
          1. 11.4.1 從「看懂」到「指出來」
          2. 11.4.2 兩種技術路線
          3. 11.4.3 Set-of-Mark：一個聰明的做法
          4. 11.4.4 螢幕截圖的頻率問題
          5. 11.4.5 多模態融合的未來
        5. 11.5 跟傳統自動化有什麼不同？
        6. 11.6 實際應用場景
        7. 11.7 主要的工具與產品
          1. 11.7.1 AI 瀏覽器
          2. 11.7.2 底層技術與開發工具
        8. 11.8 安全與隱私的考量
        9. 11.9 當 Agent 代你購物：Amazon 與 Perplexity 的衝突
        10. 11.10 目前的限制
        11. 11.11 未來展望
        12. 11.12 常見問題解答
          1. 11.12.1 Q1：瀏覽器 Agent 會不會看到我的密碼？
          2. 11.12.2 Q2：Agent 代我執行的操作能取消嗎？
          3. 11.12.3 Q3：如果 Agent 操作失敗或網站改版怎麼辦？
          4. 11.12.4 Q4：瀏覽器 Agent 跟手機上的 Siri/Google Assistant有什麼不同？
          5. 11.12.5 Q5：這對網站營運者有什麼影響？
          6. 11.12.6 Q6：我應該現在就開始用瀏覽器 Agent 嗎？
        13. 11.13 本章重點整理
        14. 11.14 延伸閱讀
          1. 11.14.1 AI 瀏覽器
          2. 11.14.2 底層技術與開發工具
          3. 11.14.3 相關新聞與分析
      13. 第十二章：各行各業的 Agent 浪潮
        1. 12.1 醫療健康
        2. 12.2 金融銀行
        3. 12.3 法律
        4. 12.4 教育
        5. 12.5 製造業
        6. 12.6 零售電商
        7. 12.7 農業
        8. 12.8 娛樂媒體
        9. 12.9 不動產
        10. 12.10 保險
        11. 12.11 物流
        12. 12.12 台灣的 Agent 應用實例
        13. 12.13 共同的模式
        14. 12.14 挑戰與考量
        15. 12.15 常見問題解答
          1. 12.15.1 Q1：我的行業沒有被提到，是不是不適合用 Agent ？
          2. 12.15.2 Q2：我們公司很小，有必要導入 AI Agent 嗎？
          3. 12.15.3 Q3：AI 給的建議錯誤怎麼辦？誰負責？
          4. 12.15.4 Q4：我們的行業有嚴格的法規，能用 AI 嗎？
          5. 12.15.5 Q5：導入 AI Agent 會讓員工失業嗎？
          6. 12.15.6 Q6：如何評估 AI Agent 的投資報酬率（ROI）？
        16. 12.16 各行業 Agent 應用總覽
        17. 12.17 延伸閱讀
      14. 第十三章：不寫程式也能做 — 零程式碼 Agent 工具
        1. 13.1 什麼是零程式碼工具？
        2. 13.2 零程式碼 vs 低程式碼
        3. 13.3 最簡單的起點：ChatGPT 的 GPTs
          1. 13.3.1 什麼是 GPTs ？
          2. 13.3.2 手把手教學：建立你的第一個 GPT
          3. 13.3.3 GPTs 的進階技巧
          4. 13.3.4 GPTs 的限制
        4. 13.4 主要的工具介紹
          1. 13.4.1 Zapier
          2. 13.4.2 Dify
          3. 13.4.3 Make（原 Integromat）
          4. 13.4.4 n8n
          5. 13.4.5 Flowise
          6. 13.4.6 Microsoft Copilot Studio
          7. 13.4.7 Google Workspace Studio
          8. 13.4.8 Lindy
        5. 13.5 如何選擇？
        6. 13.6 實際操作示範
        7. 13.7 零程式碼的限制
        8. 13.8 成功的關鍵
        9. 13.9 未來的趨勢
        10. 13.10 給非技術人員的鼓勵
        11. 13.11 常見問題
        12. 13.12 零程式碼 Agent 工具總覽
          1. 13.12.1 選擇建議流程圖
          2. 13.13 工具連結清單
          3. 13.14 延伸閱讀
      15. 第十四章：動手做一個簡單的 Agent
        1. 14.1 一個週末改變一切
        2. 14.2 從最簡單的開始
        3. 14.3 Agent 的四個核心組件
          1. 1. 大腦（LLM）
          2. 2. 工具
          3. 3. 記憶
          4. 4. 執行迴圈
        4. 14.4 不寫程式的理解方式
        5. 14.5 動手寫一個簡單的 Agent
          1. 14.5.1 準備工作
          2. 14.5.2 API Key 的安全管理（重要！）
          3. 14.5.3 步驟一：定義工具
          4. 14.5.4 步驟二：建立 Agent 類別
          5. 14.5.5 步驟三：使用這個 Agent
        6. 14.6 這段程式碼做了什麼？
        7. 14.7 加入更多工具
          1. 14.7.1 天氣查詢工具
          2. 14.7.2 網路搜尋工具
        8. 14.8 從簡單到複雜
        9. 14.9 錯誤處理：讓 Agent 更可靠
          1. 14.9.1 常見的錯誤類型
          2. 14.9.2 加入錯誤處理的 Agent
          3. 14.9.3 關鍵的錯誤處理技巧
        10. 14.10 用框架簡化開發
          1. 14.10.1 LangChain
          2. 14.10.2 LlamaIndex
          3. 14.10.3 CrewAI
          4. 14.10.4 框架比較
          5. 14.10.5 我的建議
        11. 14.11 不想寫程式？
        12. 14.12 專案建議
          1. 14.12.1 專案一：智慧日曆助手
          2. 14.12.2 專案二：個人知識助手
          3. 14.12.3 專案三：自動化小幫手
        13. 14.13 重點回顧
        14. 14.14 常見問題
        15. 14.15 開發 Agent 的檢查清單
          1. 14.15.1 環境準備
          2. 14.15.2 設計階段
          3. 14.15.3 開發階段
          4. 14.15.4 測試階段
          5. 14.15.5 優化階段
        16. 14.16 延伸閱讀
      16. 第十五章：讓你的 Agent 更聰明的小技巧
        1. 15.1 對的 Prompt 放在對的位置，價值連城
        2. 15.2 技巧一：讓它「想出聲」
        3. 15.3 技巧二：減少「幻覺」
        4. 15.4 技巧三：寫好工具說明
        5. 15.5 技巧四：設定明確的角色和限制
        6. 15.6 技巧五：分段處理複雜任務
        7. 15.7 技巧六：加入檢查點
        8. 15.8 技巧七：持續監控和改進
        9. 15.9 技巧八：控制成本
        10. 15.10 一個比喻總結
        11. 15.11 延伸閱讀
      17. 第十六章：進階 Prompt Engineering
        1. 16.1 進階推理技巧
          1. 16.1.1 Few-shot Learning（少量範例學習）
          2. 16.1.2 Self-Consistency（自我一致性）
          3. 16.1.3 ReAct（Reasoning + Acting）
          4. 16.1.4 Tree of Thoughts（思維樹）
        2. 16.2 System Prompt 設計的藝術
          1. 16.2.1 結構化你的 System Prompt
          2. 16.2.2 不同場景的 System Prompt 範例
          3. 16.2.3 System Prompt 的長度
        3. 16.3 參數調整的科學
          1. 16.3.1 Temperature（溫度）
          2. 16.3.2 Top-P（核取樣）
          3. 16.3.3 Max Tokens
          4. 16.3.4 Presence Penalty / Frequency Penalty
          5. 16.3.5 參數調整的建議
        4. 16.4 常見問題
        5. 16.5 Prompt 優化檢查清單
          1. 16.5.1 清晰度
          2. 16.5.2 完整性
          3. 16.5.3 範例
          4. 16.5.4 限制
          5. 16.5.5 效率
        6. 16.6 延伸閱讀
      18. 第十七章：給 Agent 一個安全的遊樂場 — 沙箱與安全隔離
        1. 17.1 當 AI 失控：真實的災難案例
        2. 17.2 不是新概念，但更重要了
        3. 17.3 為什麼 AI Agent 特別需要沙箱？
        4. 17.4 兩道防線：檔案隔離與網路隔離
          1. 17.4.1 檔案系統隔離
          2. 17.4.2 網路隔離
        5. 17.5 一個不夠：你需要的是多層防禦
        6. 17.6 來自另一場災難的教訓
        7. 17.7 沙箱的技術實作
        8. 17.8 用生活比喻理解 Docker
          1. 17.8.1 貨櫃的啟發
          2. 17.8.2 軟體界的貨櫃
          3. 17.8.3 容器 vs 虛擬機器
        9. 17.9 雲端沙箱服務：E2B vs Modal
          1. 17.9.1 E2B：專為 AI Agent 設計
          2. 17.9.2 Modal：更廣泛的雲端運算平台
          3. 17.9.3 該選哪一個？
        10. 17.10 Prompt Injection：當 Agent 被「洗腦」
          1. 17.10.1 什麼是 Prompt Injection ？
          2. 17.10.2 真實案例
          3. 17.10.3 Prompt Injection 的類型
          4. 17.10.4 防禦策略
          5. 17.10.5 實戰檢查清單
        11. 17.11 企業的安全缺口
        12. 17.12 使用者可以做什麼？
        13. 17.13 常見問題解答（FAQ）
          1. 17.13.1 Q1：沙箱會不會讓 AI Agent 變慢？
          2. 17.13.2 Q2：我只是個人用戶，真的需要擔心沙箱和安全嗎？
          3. 17.13.3 Q3：為什麼 AI 公司不直接內建完美的沙箱？
          4. 17.13.4 Q4：Prompt Injection 攻擊是違法的嗎？
          5. 17.13.5 Q5：我應該避免使用所有「自動模式」功能嗎？
          6. 17.13.6 Q6：沙箱技術未來會變得更好嗎？
        14. 17.14 沙箱與安全技術總整理
        15. 17.15 一個比喻
        16. 17.16 延伸閱讀
      19. 第十八章：Agent 會搶走我的工作嗎？
        1. 18.1 一個虛構的銀行職員轉型故事
        2. 18.2 先看數據
          1. 18.2.1 更詳細的數據
        3. 18.3 什麼樣的工作最危險？
        4. 18.4 什麼樣的工作最安全？
        5. 18.5 歷史的教訓
        6. 18.6 這次不一樣？
        7. 18.7 你該怎麼辦？
        8. 18.8 AI 時代的新興職業
          1. 18.8.1 技術類職位
          2. 18.8.2 人機協作類職位
          3. 18.8.3 策略與治理類職位
          4. 18.8.4 新興職位總覽
        9. 18.9 一個不同的思考角度
        10. 18.10 給焦慮的人的話
        11. 18.11 常見問題解答（FAQ）
          1. 18.11.1 Q1：我已經 40、50 歲了，還來得及轉型嗎？
          2. 18.11.2 Q2：我不是理工科背景，能進入 AI 領域嗎？
          3. 18.11.3 Q3：我的工作屬於高風險類，我該現在就離職嗎？
          4. 18.11.4 Q4：AI 寫程式越來越厲害，程式設計師還有前途嗎？
          5. 18.11.5 Q5：我是老闆，該怎麼幫助員工轉型？
          6. 18.11.6 Q6：如果未來大多數工作都被 AI 取代，社會會怎樣？ .
        12. 18.12 本章重點整理
        13. 18.13 延伸閱讀
      20. 第十九章：當 Agent 犯錯，誰該負責？
        1. 19.1 一場沒有被告的法庭
        2. 19.2 一個真實的死亡事故
        3. 19.3 責任缺口
        4. 19.4 現行法律怎麼說？
        5. 19.5 一個關鍵原則：AI 的自主性不是藉口
        6. 19.6 人類在迴路中
        7. 19.7 EU AI Act：全球最嚴格的 AI 法規
          1. 19.7.1 風險分級制度
          2. 19.7.2 對企業的影響
          3. 19.7.3 對台灣企業的影響
        8. 19.8 AI 責任保險：新興的風險管理工具
          1. 19.8.1 為什麼需要 AI 保險？
          2. 19.8.2 AI 保險的類型
          3. 19.8.3 保險公司如何評估 AI 風險？
          4. 19.8.4 台灣的 AI 保險市場
        9. 19.9 不同情境的責任歸屬
          1. 19.9.1 情境一：客服 Agent 給出錯誤資訊
          2. 19.9.2 情境二：投資 Agent 做出虧損決策
          3. 19.9.3 情境三：醫療 Agent 給出錯誤診斷
        10. 19.10 企業該怎麼做？
        11. 19.11 使用者該怎麼做？
        12. 19.12 未來的方向
        13. 19.13 一個倫理的思考
        14. 19.14 常見問題解答（FAQ）
          1. 19.14.1 Q1：如果 AI 給我的建議是錯的，我可以告 AI 公司嗎？
          2. 19.14.2 Q2：企業使用 AI 做人事決策（如招聘），被認為有偏見，誰負責？
          3. 19.14.3 Q3：如果自動駕駛車出事，保險怎麼理賠？
          4. 19.14.4 Q4：我是 AI 開發者，怎麼保護自己免於被告？
          5. 19.14.5 Q5：EU AI Act 什麼時候開始影響我？
          6. 19.14.6 Q6：如果 AI 產生的內容侵犯著作權，誰負責？
        15. 19.15 本章重點整理
        16. 19.16 延伸閱讀
      21. 第二十章：人機協作的新時代
        1. 20.1 不是取代，是增強
        2. 20.2 已經發生的例子
        3. 20.3 人機協作的模式
          1. 20.3.1 模式一：Agent 做初稿，人類做精修
          2. 20.3.2 模式二：Agent 處理例行，人類處理例外
          3. 20.3.3 模式三：Agent 是助手，人類是決策者
          4. 20.3.4 模式四：人類設定目標，Agent 自主執行
        4. 20.4 有效協作的關鍵
        5. 20.5 信任校準：不過度信任，也不過度懷疑
          1. 20.5.1 如何校準信任？
          2. 20.5.2 信任的動態調整
        6. 20.6 組織文化：打造人機協作友善的環境
        7. 20.7 未來的工作場景
          1. 20.7.1 場景一：知識工作者的一天
          2. 20.7.2 場景二：創意工作者的一天
          3. 20.7.3 場景三：管理者的一天
        8. 20.8 需要培養的能力
        9. 20.9 一個心態的轉變
        10. 20.10 常見問題解答（FAQ）
          1. 20.10.1 Q1：我的團隊成員對 AI 有抗拒心理，怎麼辦？
          2. 20.10.2 Q2：怎麼知道一個任務適不適合交給 AI ？
          3. 20.10.3 Q3：我是主管，怎麼帶領團隊進行人機協作？
          4. 20.10.4 Q4：人機協作會不會讓我的技能退化？
          5. 20.10.5 Q5：公司沒有提供 AI 工具，我可以自己用嗎？
          6. 20.10.6 Q6：我擔心過度依賴 AI，怎麼保持平衡？
        11. 20.11 本章重點整理
        12. 20.12 延伸閱讀
      22. 終章：每個人都將擁有自己的數位員工
        1. 0.1 2030 年的一封信
        2. 0.2 從奢侈品到必需品
        3. 0.3 未來的一天
        4. 0.4 不是取代，是解放
        5. 0.5 AGI：那個更大的問題
        6. 0.6 數位落差的新形態
        7. 0.7 新的能力、新的素養
        8. 0.8 一些實際的建議
          1. 0.8.1 現在就開始用
          2. 0.8.2 找一個痛點，讓 AI 幫你解決
          3. 0.8.3 保持好奇，但也保持警覺
          4. 0.8.4 思考你的價值
          5. 0.8.5 跟其他人交流
        9. 0.9 一個時代的開始
        10. 0.10 寫在最後：無可避免的 AI 浪潮來了，我們怎麼應對
        11. 0.11 延伸閱讀

    購買說明

    根據台灣現行法規，數位內容（ 如電子書、音樂、影片、遊戲、App ）形式之商品，不受「網購服務需提供七日鑑賞期」的限制。為維護您的權益，建議您先使用「試讀」功能後再付款購買。

    作者其他作品

    零基礎快速入門：利用 AI 輕鬆打造個人專屬自動化程式

    MORE
    出版社簡介
    深智數位股份有限公司
    出版社作品

    《生成式AI × 穩健提示辨識技術 II》視覺影像篇：MediaPipe × YOLO × OpenCV × LineBot

    Coding Agent 大神：Google Antigravity 最強實戰指南

    AI時代：Excel高效工作術

    更多出版社作品
    試讀