精華筆記 AI Agent 開發
分類「AI Agent 開發」的全部文章(7)
-
· @aihub.tw
Agent 架構:loop、工具、記憶、規劃
從 tool use 迴圈到完整 agent 架構圖,拆解 LLM、工具、記憶、規劃四大核心組件職責;比較 single-turn 與長任務 agent;盤點 2026 框架生態(Claude Agent SDK、LangGraph、CrewAI);還有最重要的一件事:何時根本不該用 agent。
-
· @aihub.tw
工具設計:agent 好壞的第一決定因素
agent 不笨,但工具設計爛它就一定失敗。這堂課拆解「好工具」的四個原則:description 寫給模型看、參數少而明確、回傳含錯誤指引、危險操作要確認。你會看到粒度太細與太粗分別怎麼搞死一個 agent loop,以及如何設計讓 agent 能夠自我修正的錯誤回饋。最後用一組真實的檔案處理工具做完整的設計→迭代示範。
-
· @aihub.tw
Claude Agent SDK 實戰
Claude Agent SDK 是 Claude Code 的同款引擎,2025 年 9 月由 Claude Code SDK 改名而來。這堂課從安裝、第一個會呼叫工具的 agent,到用內建工具與 hooks 控管權限,釐清自寫 loop 與交給 SDK 的取捨,實作一個文件整理 agent。
-
· @aihub.tw
多代理:orchestrator 與 subagent
單一 agent 搞不定大任務的三個理由:context 視窗爆炸、線性慢、職責混亂。這堂課教你用 Claude Agent SDK 實作 orchestrator-worker 模式:用 Opus 規劃、用 Sonnet 執行、並行派發讓研究任務快 90%。掌握 subagent context 隔離的設計邏輯、傳話失真的預防對策、token 成本倍增的實際數字,最後親手搭出三 agent 研究分工系統。
-
· @aihub.tw
評估與除錯:agent 為什麼失敗
agent 會失敗——問題是你不知道為什麼。這堂課建立完整的 trace 記錄系統讓每步決策可以回放;分類四種最常見失敗模式(工具誤用、迷路、過早放棄、無限迴圈);教你建立評估任務集測量 agent 的真實能力;以及面對失敗時最關鍵的判斷:改 prompt、改工具設計,還是動架構?
-
· @aihub.tw
部署:成本、延遲、安全、監控
agent 在本機跑得好不代表生產環境能活。這堂課拆解四個讓 agent 上線後炸掉的核心問題:超時與重試的正確姿勢、成本熔斷防止帳單爆炸、最小權限 sandbox 降低安全風險、以及監控指標設計讓問題可見。最後手把手把一個 agent 包成帶保護的 API 服務,附完整的預算守衛、rate limit 處理與 audit log 實作。
-
· @aihub.tw
綜合實戰:自動研究報告 Agent
全課程技術總動員:給定主題後,agent 自動搜尋、多來源閱讀、交叉驗證,產出帶真實引用的報告。你會把 agent loop、工具設計、orchestrator 分工、context 壓縮與人工介入點整合成專案,附上真實成本帳單和六個必踩的坑,讀完就有能改裝成 SaaS 的研究 agent 雛形。