AI 301架構L1 + L2 證書
Multi-Agent Collaboration & Orchestration
從單一 Agent 走向 Multi-Agent System，學會設計 Agent Roles、Task Allocation、Delegation、Communication、Shared Context、Handoff、Conflict Resolution 與 Orchestration，判斷何時需要多 Agent 協作、如何避免責任重疊與資訊失控，並完成自己的 Multi-Agent Architecture Canvas。
課程主軸：多個 Agent 如何協作完成目標
整門課沿著同一條線走：拆解、指派、委派、溝通、協調、化解衝突、編排、評估。
- 1. Decompose
需要完成哪些工作？
- 2. Assign
哪個 Agent 該負責哪項責任？
- 3. Delegate
工作如何從一個 Agent 交給另一個 Agent？
- 4. Communicate
Agent 之間必須交換哪些資訊？
- 5. Coordinate
Agent 如何對齊時程、相依關係與共同目標？
- 6. Resolve
Agent 意見不同或重複工作時怎麼辦？
- 7. Orchestrate
整個系統由誰、用什麼方式控制？
- 8. Evaluate
協作真的改善了結果嗎？
你的下一步
AI 301 · Module 1 · 從 Single Agent 到 Multi-Agent System
已完成 0 / 56 項0%
課程內容
- Module 1從 Single Agent 到 Multi-Agent System什麼時候一個 Agent 不夠？什麼時候多 Agent 反而只是增加複雜度？
- Module 2Agent Roles 與 Responsibility Boundaries多個 Agent 要如何分工，才不會每個 Agent 都做一樣的事？
- Module 3Task Allocation、Delegation 與 Handoff哪一個 Agent 應該負責下一個 Task？如何安全地把工作交出去？
- Module 4Agent Communication 與 Message ContractsAgent 之間應該交換什麼資訊？如何避免「聊天很多但協作很差」？
- Module 5Shared Context、Memory 與 Coordination多個 Agent 應該共享所有資訊，還是每個 Agent 只看自己需要的 Context？
- Module 6Orchestration Patterns 與 Collaboration Topologies誰負責協調整個 Multi-Agent System？
- Module 7Conflict Resolution、Human Oversight 與 Evaluation當 Agents 不同意、重複工作或產生衝突時，系統怎麼辦？
- Module 8Multi-Agent Architecture Canvas 多代理架構畫布如何把 Agent Team 設計成一個可實作的 Multi-Agent Architecture？
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：One Agent or Many?判斷 Use Case 是否真的需要 Multi-Agent Architecture。尚未完成
- 活動 2：Design the Agent Team設計 3–5 個清楚的 Agent Roles 與 Responsibility Boundaries。尚未完成
- 活動 3：Delegate or Keep?判斷 Task 應留在原 Agent、委派、平行執行，或交由 Human。尚未完成
- 活動 4：Agent Communication Contract設計 Agent-to-Agent Message Contract。尚未完成
- 活動 5：Shared or Private?設計 Shared Context、Private Context、Knowledge 與 Restricted Information。尚未完成
- 活動 6：Choose the Orchestration Pattern比較 Supervisor、Planner/Executor、Specialist、Peer-to-Peer、Hierarchical 與 Hybrid。尚未完成
- 活動 7：Resolve the Multi-Agent Conflict處理 Agent 間的責任、證據與決策衝突。尚未完成
- AI 301 評量兩層評量：知識檢核與角色、協作情境決策。尚未完成
- Multi-Agent Architecture Canvas整合 Roles、Delegation、Communication、Context、Orchestration 與 Evaluation，完成一份可帶回工作、研究或產學專案的 Multi-Agent Architecture Canvas。尚未完成
關於這門課
學習成果
- 判斷何時應使用 Single Agent 或 Multi-Agent Architecture
- 設計 Agent Roles、Capabilities、Permissions 與 Responsibility Boundaries
- 設計 Task Allocation、Delegation 與 Handoff
- 定義 Agent-to-Agent Communication Contract
- 區分 Shared Context、Private Context 與 Shared Knowledge
- 比較多種 Orchestration Patterns
- 設計 Conflict Resolution、Human Escalation 與 Multi-Agent Evaluation
- 完成 Multi-Agent Architecture Canvas
先備條件
- 建議完成 AI 202，或具備 Agent Planning、Reasoning、State、Action 與 Adaptive Planning 的基本概念
- 建議理解 AI 201 的 Tool / MCP / Permission 概念
- 具備 AI 103 的 Context、Memory、Knowledge 與 Skills 概念會更容易理解 Shared / Private Context
- 不要求分散式系統或進階程式背景
- 課程重點是 Multi-Agent Architecture Design，而非特定框架 API
適合對象
- 已完成 AI 202、準備從 Single Agent 進入 Multi-Agent System 的學習者
- 負責 AI Agent、AI Copilot、智慧流程、跨部門自動化或數位轉型的承辦人與主管
- 想設計專業分工、驗證分工或權限分離 Agent Team 的學生與研究人員
- 準備進一步學習 Agent Harness 與 Reliable Automation 的學習者
- 需要將 Agentic AI 應用於真實產學專案的團隊
建議先完成 AI 202，並理解 AI 201 的 Tool / MCP / Permission 概念。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 8 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。