跳到主要內容
NTPU AI Learn
AI 302架構L1 + L2 證書

Agent Harness Engineering & Reliable Automation

從「Agent 能完成任務」走向「Agent 能可靠地持續運作」，學會 State Management、Agent Loop、State Machines、Checkpointing、Context Compaction、Verification、Human-in-the-Loop、Retry、Failure Recovery 與 Observability，設計可中斷、可恢復、可驗證的 Agentic Automation，並完成自己的 Agent Harness & Reliability Canvas。

8 小時8 個模組中文 / English最後查核

課程主軸：Agent 如何可靠地持續運作

整門課沿著同一條線走：State、Control、Checkpoint、Verify、Recover、Observe、Govern。

  1. 1. State

    系統必須記住哪些執行資訊？

  2. 2. Control

    由什麼決定下一個要執行的步驟？

  3. 3. Checkpoint

    執行可以在哪裡安全暫停與繼續？

  4. 4. Verify

    系統如何知道結果可以接受？

  5. 5. Recover

    執行失敗時會發生什麼事？

  6. 6. Observe

    人如何理解剛剛發生了什麼？

  7. 7. Govern

    哪些界線讓系統維持安全且可控？

你的下一步

AI 302 · Module 1 · 什麼是 Agent Harness？

已完成 0 / 56 項0%
開始學習

課程內容

  1. Module 1什麼是 Agent Harness？為什麼有能力的 Agent 仍然需要一層執行控制？尚未開始0 / 5 · 約 50 分鐘
  2. Module 2State、Loop 與 State Machines系統需要記住哪些執行狀態？由什麼決定下一步？尚未開始0 / 7 · 約 60 分鐘
  3. Module 3Checkpointing、Resume 與 Durable Execution執行可以在哪裡安全暫停、又如何不重複動作地繼續？尚未開始0 / 6 · 約 55 分鐘
  4. Module 4Verification、Human-in-the-Loop 與 Control Gates系統如何知道結果可以接受？哪些步驟必須由人把關？尚未開始0 / 6 · 約 55 分鐘
  5. Module 5Retry、Failure Classification 與 Recovery執行失敗時該重試、退回、升級還是安全停止？尚未開始0 / 7 · 約 60 分鐘
  6. Module 6Context Compaction 與 Long-Running Agents長時間執行後，哪些內容該保留、摘要、封存或可被重新取得？尚未開始0 / 5 · 約 50 分鐘
  7. Module 7Observability、Reliability 與 Operational Boundaries人如何看懂系統發生了什麼？哪些界線讓系統保持可控？尚未開始0 / 6 · 約 55 分鐘
  8. Module 8Agent Harness & Reliability Canvas 可靠性畫布如何把 State、Checkpoint、Verification、Recovery 與 Observability 整合成一份可帶回的設計？尚未開始0 / 5 · 約 45 分鐘

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

資訊

加入後，你已完成的模組編號會連同「學員代碼」傳送給講師，講師可以看到你的進度。請使用講師提供的代碼，不要輸入姓名、公司機密或其他個資。進度資料與該梯次的其他資料一起保存。

另存 PDF

實作與評量

關於這門課

學習成果

  • 說明 Agent Harness 與 Agent Logic 的差異
  • 將 Agentic Workflow 表示成 States、Transitions 與 Controlled Loops
  • 設計 Checkpoint、Resume 與 Durable Execution 策略
  • 為高風險步驟加入 Verification 與 Human-in-the-Loop
  • 區分不同 Failure Type 並設計 Retry、Fallback、Recovery 與 Safe Stop
  • 為長時間 Agent 設計 Context Compaction
  • 定義 Observability 與 Reliability Metrics
  • 完成一份 Agent Harness & Reliability Canvas

建議先完成 AI 202；若已完成 AI 301，會更容易將 Multi-Agent System 納入設計。也建議理解 AI 201 的 Tool、Permission 與 External Action 概念。這些只是建議，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

AI 302 接在 AI 202 與 AI 301 之後，處理「執行如何被控制、保存、驗證、復原與觀測」。以下只連結已存在的課程。

學術對應：M5276 / AAIIA 第 14 週

AI 302 主要對應 M5276「Agentic AI Innovative Applications」的第 14 週：Agent Harness and Loop Engineering for Durable Workflow Automation（LangGraph、State Machines、Checkpointing、Context Compaction、Verification、Human-in-the-Loop 與 Failure Recovery）。

AAIIA 第 14 週主題與 AI 302 單元對照
AAIIA 第 14 週主題AI 302 單元
Agent Harness單元 1
Loop Engineering單元 2
LangGraph（實作範例）單元 2 至 4
State Machines單元 2
Checkpointing單元 3
Durable Workflow Automation單元 3、5、7
Context Compaction單元 6
Verification單元 4
Human-in-the-Loop單元 4
Failure Recovery單元 5
Reliable Operation單元 5 至 7

建議學習順序

  1. AAIIA 第 10 週 / AI 202：Planning & Reasoning
  2. AAIIA 第 13 週 / AI 301：Multi-Agent Collaboration
  3. AAIIA 第 14 週 / AI 302：Harness & Reliable Automation
  4. AAIIA 第 15 至 16 週：期末專案 / 產業 MVP

LangGraph 只是其中一個實作範例，課程重點是與框架無關的 Reliable Agent Architecture。

AI 302 與相鄰課程的差異

同樣是 Agent 課程，每一門回答不同的問題。

AI 104、AI 202、AI 301 與 AI 302 的比較
課程核心問題AI 302 的延伸
AI 104Agentic Workflow 應該如何執行？深化 State、State Machine、Checkpoint、Durable Execution、Recovery 與 Observability，以及營運層面的可靠度。
AI 202如何規劃、推理並選擇下一步？（決策智慧）聚焦執行控制、持久化、安全續跑、驗證、復原與觀測。（執行可靠度）
AI 301多個 Agent 如何分工、委派、溝通與協調？聚焦 State、Checkpoint、Durable Execution、Verification、失敗處理與營運控制；可支撐多 Agent 系統，但不重教角色與 Orchestration。

AI 202 = 決策智慧；AI 302 = 執行可靠度。

課後回饋

約 2 到 3 分鐘，回饋會用來改進課程。

前往填寫回饋