Skip to content
133333

AI Agent Skills 推薦指南

AI Agent 是能夠自主執行任務、使用工具、做決策的 AI 系統。以下整理核心技能與推薦學習方向。

核心技能

Section titled “核心技能”

1. Prompt Engineering

Section titled “1. Prompt Engineering”

設計高品質的 prompt 是操控 Agent 行為的基礎。

  • System Prompt 設計：定義角色、限制、輸出格式
  • Chain of Thought：引導模型逐步推理
  • Few-shot Learning：透過範例引導輸出風格
你是一個專業的程式碼審查員。
請依序：
1. 找出潛在的 bug
2. 評估程式碼可讀性
3. 給出改善建議

2. Tool Use / Function Calling

Section titled “2. Tool Use / Function Calling”

讓 Agent 能夠呼叫外部工具，擴展能力範圍。

  • 網路搜尋
  • 執行程式碼
  • 讀寫檔案
  • 呼叫 API

3. RAG（Retrieval-Augmented Generation）

Section titled “3. RAG（Retrieval-Augmented Generation）”

結合知識庫，讓 Agent 能回答特定領域問題。

  • 向量資料庫（Pinecone、Chroma、Weaviate）
  • Embedding 模型
  • Chunk 策略設計

4. Memory 管理

Section titled “4. Memory 管理”

讓 Agent 記住對話歷史與重要資訊。

類型說明
Short-term當前對話 context
Long-term儲存至資料庫，跨對話使用
Episodic記錄過去執行的任務與結果

5. Multi-Agent 協作

Section titled “5. Multi-Agent 協作”

多個 Agent 分工合作完成複雜任務。

  • Orchestrator：負責規劃與分派任務
  • Executor：執行具體子任務
  • 框架：LangGraph、AutoGen、CrewAI

推薦學習資源

Section titled “推薦學習資源”

文章 & 文件

Section titled “文章 & 文件”

框架推薦

Section titled “框架推薦”
框架適合場景
LangGraph複雜的 stateful multi-agent
CrewAI角色分工明確的 multi-agent
AutoGen對話式 multi-agent
Vercel AI SDKNext.js / React 整合

實作練習

Section titled “實作練習”
  1. 用 Claude API + Tool Use 做一個能搜尋網路的 chatbot
  2. 用 LangGraph 建立一個 research agent
  3. 實作一個有 memory 的個人助理

推薦文章

Section titled “推薦文章”