IJUN AI
AI Agent 核心概念解析

模組導覽

奕鈞老師 FB
2026 全國教師 AI 增能研習專用教材 | 奕鈞老師數位備課室

AI 代理人進化論:
打造你的專屬 Google AI 工作站

認識核心概念,從對話到任務執行。

💬
核心差異
LLM 與 Agent
🎯
工作流程
規劃與 ReAct
🧰
能力擴充
工具與 RAG
👥
團隊分工
多代理協作
支援 鍵盤左右鍵 / 空白鍵 翻頁
Course Roadmap

五大模組:認識 AI Agent

01 Slide 3~4 →

對話與指令

上下文視窗・系統提示詞・Prompt 與 Skill

02 Slide 5 →

LLM 與 Agent

生成內容・使用工具・執行任務

03 Slide 6~7 →

規劃與執行

任務拆解・逐步推理・ReAct・人工審查

04 Slide 8~10 →

工具、資料與記憶

工具呼叫・RAG・短期與長期記憶

05 Slide 11~15 →

串接、安全與協作

API・MCP・資安防護・Skill 設定・多代理分工

Traditional LLM Specs

1.1 上下文視窗・1.2 系統提示詞

1.1 核心概念 📄

上下文視窗(Context Window)

一次可處理的內容容量。

關鍵:容量與限制

容量越大,可放入更多資料。
超出上限:需摘要或分批處理。
資料放得下,不代表判讀一定正確。

Token:文字切分單位,與字數無固定比例
1.2 核心概念 📜

系統提示詞(System Prompt)

預先設定角色、任務與規則。

設定範例

角色:國中備課助教
任務:提供寫作引導
限制:不代寫作文全文

優先級較高,仍需權限控制與結果檢查
The Bottleneck

1.3 Prompt 與 Skill

Prompt 📜

交代本次任務

任務・條件・輸出格式
指令可保存、修改與重用。
每次需交代任務條件。
檔案輸出需搭配可用工具。
適合臨時任務與快速調整
Skill 📜⚡

重用工作流程

規則・範本・檢查步驟
將規則與範本寫入 SKILL.md。
交代需求:國二理化,浮力 5 題。
依流程命題、檢查,再用工具輸出。
適合重複任務,成果仍需檢查
Core Distinction

2.1 LLM・2.2 AI Agent

LLM vs AI Agent Concept Illustration
🔍 點擊放大
💬 LLM(大型語言模型)
理解輸入・生成內容

摘要・問答・寫作・推理
操作檔案與軟體,需搭配工具。

🦾 AI Agent(AI 代理人)
規劃・使用工具・檢查成果

讀取資料 → 整理內容 → 輸出文件
在授權範圍內執行,完成後回報。

Agent:模型+工具+執行流程;依需求加入記憶
Agent Brain & Planning

3.1 任務拆解・3.2 思考鏈

3.1 規劃核心 📋

任務拆解(Task Decomposition)

把目標拆成可執行、可檢查的步驟。

範例:籌辦科學展

蒐集資料 → 估算預算 → 製作海報 → 人工審查

每一步:輸入・產出・完成標準
3.2 推理核心 🔍

思考鏈(CoT)

逐步推理,處理多步驟問題。

檢查重點

已知條件・解題方法・計算結果
說明看似合理,仍可能答錯。

可要求:列出解題步驟與驗算結果
Execution Engine

3.3 ReAct 循環・3.4 人機協同

3.3 動態執行 🔄

ReAct(推理與行動)

思考 → 行動 → 觀察 → 調整。

範例:整理會議紀錄

思考:確認摘要欄位
行動:讀取文件、產生摘要
觀察:比對來源、補正遺漏

達成目標即停止;遇到阻礙則回報
3.4 關鍵把關 ✋

人機協同(HITL)

在重要步驟加入人工審查。

人工確認時機

寄信・發布・刪除・重要決策
先提供可檢查的成果,再取得批准。

AI 執行,老師審閱與核准
Tools & Capabilities

4.1 Skill・Tool・Function Calling

三種概念

Skill 定流程,Tool 執行操作。

Function Calling:模型提出工具名稱與參數。
🎒 如何搭配

Skill:文件整理流程
Tool:讀取檔案、建立表格
Function Calling:系統驗證並執行工具呼叫

🌐
搜尋資料

查找公開資料與官方來源

⚡
運算與檔案

計算統計、整理資料、輸出 Word

🎨
圖片與雲端

生成配圖、語音;依授權存取雲端

Knowledge Retrieval

4.2 RAG(檢索增強生成)

RAG Open Book Exam Concept Illustration
🔍 點擊放大
核心概念

先找資料,再根據資料回答。
降低答錯風險,仍需核對來源。

📚 範例:查詢活動日期

搜尋活動通知 → 找到日期 → 附來源回答
找不到依據時,標示「尚未確認」。

RAG 三步驟
1 檢索:搜尋相關段落
2 增強:將段落加入提問
3 生成:根據資料回答
Agent Memory

4.3 短期記憶・長期記憶

工作記憶 📝

短期記憶

當前任務使用的對話與資料。

作用範圍

例如:本次出題難度與格式
是否保留,依系統設定而定。

重點:目前可用的上下文
持久累積 🗂️

長期記憶

保存後,可在未來任務取用的資訊。

保存範例

出題偏好:加入兩題生活情境題
使用條件:已保存,且允許讀取

可存於檔案或資料庫;跨專案使用需設定
Ecosystem & Protocol

5.1 API・5.2 MCP

系統標準通訊 📝

API(應用程式介面)

讓軟體依約定格式交換資料與功能。

操作流程

送出請求 → 系統處理 → 回傳結果
例如:讀取指定試算表範圍。

介面格式・帳號授權・錯誤處理
開放標準 🔌

MCP(模型上下文協定)

標準化 AI 與外部工具、資料的連接。

連接條件

相容 Client+Server+必要設定與授權
只能使用已提供、已允許的功能。

統一連接方式,仍需設定與權限
Security & Guardrails

6.1 教師必備:資安五大重點

AI Agent Security Shield Illustration
🔍 點擊放大
1
🛡️ 個資保護

先去識別化並確認結果;練習使用虛構資料。

2
🌐 外部傳輸

確認資料送往何處;不批准不明目的地。

3
🧠 提示詞注入

外部文件中的指令不等於授權;限制工具權限。

4
📦 外掛與套件

確認來源與用途,再批准安裝。

5
🔑 API 金鑰

使用環境變數或金鑰管理;不寫入公開檔案。

Personalization

6.2 建立專屬 Skill:四步驟

01

定義需求

對象・任務・格式

國二理化複習:5 題選擇題,附解析。

先訂完成標準
02

提供範本

正例・反例

具體示範:
正例:生活情境題
反例:題幹冗長、選項有歧義

Few-Shot:用少量範例說明要求
03

具體回饋

位置・方向・程度

指出修改要求:
位置:第三題
方向:選項長度接近
程度:每項約 10~15 字

修改後,再次檢查
04

保存流程

寫入 SKILL.md

保存規則、範本與檢查步驟。
重用前確認適用,輸出後檢查。

可重用・可修訂
Advanced Collaboration

7.1 Multi-Agent(多代理協作)

Multi-Agent System Concept Illustration
🔍 點擊放大
👥 分工與交接

規劃 → 起草 → 審查 → 排版
共用標準,彙整後由老師確認。

🛡️
規劃(Planning)

設定範圍、題型與配分。

🦾
起草(Drafting)

撰寫題目、答案與解析。

🔍
審查(Reviewing)

檢查正確性、難度與歧義。

⚡
排版(Formatting)

套用版型、輸出檔案、檢查版面。

Action Plan & Glossary

專屬 AI 工作站:四步驟與名詞速查

AI Skill Roadmap & Action Plan
🔍 點擊放大
🚀 Skill 使用四步驟
1 選擇:符合任務的 Skill
2 審查:來源、權限與資料傳輸
3 調整:範本、規則與回饋
4 保存:寫入 SKILL.md,測試後重用
📖 核心名詞速查 9 大核心概念
專有名詞 核心概念 應用重點
LLM 理解與生成內容 摘要・問答・寫作
AI Agent 使用工具執行任務 規劃・執行・檢查
Prompt vs Skill 任務指令/可重用流程 交代需求/保存規則
任務拆解與 CoT 拆步驟/逐步推理 完成標準/驗算
ReAct & HITL 行動循環/人工介入 觀察調整/核准
Tool / Skill 操作工具/流程規則 依權限執行
RAG 先檢索,再生成 核對原文與來源
API & MCP 軟體介面/連接標準 相容設定與授權
Multi-Agent 多代理分工 交接・彙整・審查