AI 103核心L1 + L2 證書
Agentic AI Memory, Knowledge & Skills
從 Context Engineering 走向 Agentic AI，學會設計 AI Agent 的記憶、知識與技能，理解 Memory Systems、RAG、Semantic Chunking、Metadata、Knowledge Architecture 與 Context Optimization，並完成自己的 Agent Memory, Knowledge & Skills Canvas。
你的下一步
AI 103 · Module 1 · 從 Context 到 Agent Memory
已完成 0 / 43 項0%
課程內容
- Module 1從 Context 到 Agent Memory如果 AI 不再只完成一次任務，而是持續工作，它需要記住什麼？
- Module 2設計 Agent Memory 系統Agent 的記憶應該如何組織，而不是什麼都記住？
- Module 3RAG 與 Knowledge RetrievalAgent 不知道答案時，應該猜，還是去找資料？
- Module 4Semantic Chunking 與 Metadata讓 Agent 找得到正確的一小段知識
- Module 5Knowledge Architecture 與 Agent Skills從「有資料」到「Agent 知道如何使用資料」
- Module 6Context Optimization 情境優化把正確資訊在正確時間交給 Agent
進度儲存在這個瀏覽器，不會記錄你的身分；只有在下方加入進度同步時才會上傳。
同步我的進度加入梯次後，進度可跨裝置保存，講師也能看到
實作與評量
- 活動 1：Memory 決策把資訊分類為當前 Context、暫時記憶、長期記憶、外部知識或不儲存。尚未完成
- 活動 2：Memory、RAG 還是 Tool？判斷資訊應該放在 Memory、透過 RAG 取得，還是呼叫 Tool / API。尚未完成
- 活動 3：Chunk 與 Metadata 設計辨識 Chunk 邊界，定義 Metadata 與檢索過濾條件。尚未完成
- 活動 4：Agent Skill Card判斷 Agent Skill Card 的各個欄位應該放什麼內容。尚未完成
- 活動 5：Context Optimization 挑戰面對過載的 Context，決定哪些資訊要移除、保留、稍後檢索、摘要或存成 Memory。尚未完成
- AI 103 評量兩層評量：知識檢核與情境決策。尚未完成
- Agent Memory, Knowledge & Skills Canvas把所學設計成一份可帶回工作的 Agent Memory, Knowledge & Skills Canvas。尚未完成
關於這門課
學習成果
- 分辨 Prompt、Context、Memory、Knowledge 與 Skills
- 說明持續運作的 Agent 為何需要超出單一 Context Window 的記憶
- 決定資訊應放入 Context、存成 Memory、透過 RAG 取得，或以工具存取
- 說明 Chunking 與 Metadata 如何影響檢索品質
- 設計基本的 Knowledge Architecture 並定義可重複使用的 Agent Skills
- 辨識 Context 失敗模式，並完成一份 Agent Memory, Knowledge & Skills Canvas
先備條件
- 建議先完成 AI 102，或具備 Context 與 Context Strategy 的基本概念
- 知道 AI 產出需要人工審查，且敏感資料不可任意提供給 AI 或被 Agent 記住
- 不需要程式背景
適合對象
- 已完成 AI 102、想規劃能持續工作的 AI Agent 的職員與教職人員
- 負責設計知識庫、RAG 或 AI 工作流程的承辦人與主管
- 想理解 Agent 如何記憶、取得知識並具備可重複使用能力的學生與研究人員
建議先完成 AI 102。這只是建議，不會擋住你開始學習。
完課證書
完成後可取得完課證書（L1）；另可透過額外的實作審查取得能力證書（L2）。
達成條件
- 完成全部 6 個課程模組
- 後測評量達 80% 以上
- 提交實作成果並經審查通過
課後回饋
約 2 到 3 分鐘，回饋會用來改進課程。