AI 202進階L1 + L2 證書
Agentic AI Planning & Reasoning
從固定 Agentic Workflow 走向能自主規劃與調整的 Agent，理解 ReAct、Search、MCTS、Self-Reflection 與 Adaptive Planning，學會設計 Agent 如何根據目標、Context、環境狀態與執行結果選擇下一步，並完成自己的 Agent Planning & Reasoning Canvas。
課程主軸：Agent 如何決定下一步
整門課沿著同一條線走：觀察、推理、規劃、行動、評估、反思、重新規劃。
- 1. Observe
Agent 現在看到了什麼？
- 2. Reason
這些資訊代表什麼？
- 3. Plan
有哪些可行的路徑？
- 4. Act
下一步該採取什麼行動？
- 5. Evaluate
這一步做對了嗎？
- 6. Reflect
是行動錯了，還是計畫錯了？
- 7. Re-plan
現在該繼續、改計畫、升級人工還是停止？
你的下一步
AI 202 · Module 1 · 從 Workflow 到 Adaptive Agent
已完成 0 / 49 項0%
課程內容
- Module 1從 Workflow 到 Adaptive Agent什麼時候 Workflow 不夠，需要 Agent 自己決定下一步？
- Module 2Goal Decomposition 與 Planning FundamentalsAgent 如何把一個目標拆成可執行的計畫？
- Module 3ReAct：Reasoning + ActingAgent 為什麼不能只想完再做，而需要一邊推理、一邊行動、一邊觀察？
- Module 4Search、Trees 與 MCTS當 Agent 有多個可能行動時，如何搜尋並比較不同路徑？
- Module 5Evaluation、Verification 與 Self-ReflectionAgent 執行完一步後，如何判斷結果是否可信，以及策略是否需要改變？
- Module 6Adaptive Planning 與 Re-planning什麼情況下 Agent 不應繼續照原計畫，而應重新規劃？
- Module 7Agent Planning & Reasoning Canvas 規劃與推理畫布如何把 Agent 的目標、狀態、行動、推理、評估與重新規劃設計成一個可實作架構？
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：Workflow 還是 Adaptive Agent？判斷哪些情境可由固定 Workflow 處理，哪些情境需要 Agent 根據狀態動態選擇下一步。尚未完成
- 活動 2：Goal → Subgoal → Action把一個真實目標拆成 Subgoals、Actions、Constraints 與 Success Criteria。尚未完成
- 活動 3：Trace a ReAct Loop追蹤 Reason → Act → Observe → Update State 的完整循環。尚未完成
- 活動 4：Search the Next Step比較多個 Candidate Actions，建立簡化 Search Tree 並選擇下一步。尚未完成
- 活動 5：Verify or Reflect?判斷應該做結果驗證、策略反思、人工審查，還是直接停止。尚未完成
- 活動 6：Re-plan or Continue?根據環境或狀態改變，決定繼續原 Plan、重新規劃、升級人工處理或停止。尚未完成
- AI 202 評量兩層評量：知識檢核與情境決策。尚未完成
- Agent Planning & Reasoning Canvas把所學整合成一份可帶回工作、研究或產學專案的 Agent Planning & Reasoning Canvas。尚未完成
關於這門課
學習成果
- 分辨固定 Workflow、Agentic Workflow 與 Adaptive Agent
- 將 Goal 拆成 Subgoals、Actions、Constraints 與 Success Criteria
- 說明並追蹤 ReAct 的 Reason → Act → Observe 循環
- 比較多個 Candidate Actions，理解 Search Tree 與 MCTS 的 Agentic Planning 概念
- 區分 Verification、Evaluation 與 Self-Reflection
- 判斷何時應 Continue、Re-plan、Escalate 或 Stop
- 完成一份 Agent Planning & Reasoning Canvas
先備條件
- 建議完成 AI 104，或具備 Agentic Workflow、Task Decomposition、Decision Point 與 Human-in-the-Loop 的基本概念
- 建議完成 AI 201，或理解 Agent 如何使用 Tool / API / MCP 取得外部資料與採取行動
- 具備 AI 103 的 Context、Memory、Knowledge 與 Skills 概念會更容易理解
- 不要求傳統 AI 演算法或進階程式背景
- 課程重點是 Agent Planning & Reasoning 設計，而非數學推導
適合對象
- 已完成 AI 104、想讓 Agent 從固定流程走向自主規劃的學習者
- 已完成 AI 201、想理解 Agent 何時與為何選擇不同 Tool 的職員與教職人員
- 負責規劃 Agentic AI、自動化、AI Copilot 或智慧流程的承辦人與主管
- 想深入 ReAct、Search、Self-Reflection 與 Adaptive Planning 的學生與研究人員
- 準備進一步學習 Multi-Agent 或 Agent Harness Engineering 的學習者
建議先完成 AI 104 與 AI 201。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 7 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。