跳到主要內容
NTPU AI Learn

AI 301 應用

用 Canvas 設計一組真實的 Agent 如何分工、溝通與協調

Canvas 的用途

Multi-Agent Architecture Canvas 是 AI 301 的總結作品。針對一個真實的使用情境，你要說明共同目標與為什麼一個 Agent 不夠、定義角色與責任邊界、決定任務如何分配與委派、定義 Agent 之間交換的訊息、區分共享與私有 Context、選擇 Orchestration Pattern、標出交接點、規劃衝突解決與人員監督，並決定如何評估協作是否有幫助。Human、AI、Human：由真人定義任務，Agent 協助或執行，最後由真人審閱並負責。

你要填寫什麼

  • 共同目標（Shared Goal）與為什麼需要 Multi-Agent
  • Agent 角色（Agent Roles）與責任邊界（Responsibility Boundaries）
  • 任務分配（Task Allocation）與委派規則（Delegation Rules）
  • 溝通協定（Communication Protocol）
  • Shared Context 與 Memory
  • Orchestration Pattern 與交接點（Handoff Points）
  • 衝突解決（Conflict Resolution）與人員監督（Human Oversight）
  • 評估（Evaluation）與風險與界線（Risks & Boundaries）
  • 系統最終產出（Final System Output）與反思問題

注意

影響重大或不可逆的決定，絕不應只由 Agent 自行決定。請寫明哪些產出與決定必須由真人確認之後，才能被採用。

範例

Canvas 頁面提供一個完整範例（準備補助計畫書），以及其他職業的應用想法：客戶服務、ESG 報告審閱、研究文獻掃描、財務分析與行政作業。所有範例皆使用模擬資料。

送出之前

注意

請勿輸入機密、憑證、個人資料、客戶資料，或你未獲授權分享的敏感資訊。請只使用模擬或公開的範例。

接下來：AI 302

AI 301 教的是多個 Agent 如何分工、溝通、委派、協調並解決衝突。AI 302（Agent Harness Engineering & Reliable Automation）以此為基礎，探討這樣的系統如何透過 State、Checkpoint、Verification、Recovery 與 Observability 長時間可靠地運作。

學術對應：M5276 第 13 週

AI 301 主要對應 M5276 Agentic AI Innovative Applications 的第 13 週：Multi-Agent Collaboration & Interoperability: Role Division, Communication Protocols, Agent-to-Agent Delegation and Orchestration。涵蓋的主題為角色分工、通訊協定、Agent-to-Agent Delegation、Shared Context、Orchestration，以及衝突與監督。

持久執行、Checkpoint 與正式環境的可靠性屬於後續課程，因此不在本課程範圍內。

前往 Canvas

你需要完成

  • 完成 AI 301 八個單元的學習
  • 在課程後測拿到 80% 以上
  • 若要取得 Multi-Agent Architecture 能力證書，另外提交 Multi-Agent Architecture Canvas，並經 Credential Admin 依評分規準審查通過

你會被評量

Multi-Agent Architecture Canvas 由 Credential Admin 依七個加權面向評分：共同目標與 Multi-Agent 理由、Agent 角色與責任設計、任務分配與委派、溝通協定與 Shared Context、Orchestration 與交接、衝突解決／人員監督／評估、風險管理／最終產出／反思。總分 21 分中達 17 分以上、且未觸發任一項 critical-fail 規則，才是 PASS；14 分以下或觸發任一項 critical-fail 規則則為 FAIL。

資訊

這套人工審查評分規準，與提交後立即顯示的自動參考評分（十五個 Canvas 欄位與反思題目各自計分，僅供參考）是兩套不同的機制；公開這項評分邏輯是為了讓你清楚知道評分在看什麼，這並不等同於測驗的正確答案。

實作證據

  • 一筆記錄下來的 rubric 結果（PASS、REVISION_REQUIRED 或 FAIL），且未觸發任何 critical-fail 規則
  • 通過的評分會為八項 AI 301 細項能力（Single-Agent vs. Multi-Agent 決策、角色與責任設計、任務分配與委派、Agent 溝通協定、Shared Context 與協調、Orchestration Pattern 選擇、衝突解決與評估、Multi-Agent 架構設計）分別留下能力證據

可取得

AI 301 完課證書：完成八個單元並在後測達到門檻，即可取得，不需要提交 Multi-Agent Architecture Canvas。Multi-Agent Architecture 能力證書：需另外提交 Canvas，並經審查通過，兩者各自獨立、互不影響。

這項證明不代表

這項證明確認持有人完成了 AI 301 的必修課程、後測，或（能力證書）針對 Multi-Agent Architecture Canvas 展現了目標框定、角色設計、任務委派、溝通協調與衝突處理等能力。

  • 不代表持有人具備正式的多代理系統設計專業證照或雇用資格
  • 不代表持有人日後設計的任何特定多代理系統必然正確或安全
  • 不代表可以省略高風險決策前的人工審查（Human, AI, Human）

接下來做什麼？