跳到主要內容
NTPU AI Learn

AI 302 應用

用 Canvas 設計讓真實的 Agent 工作流程可靠運作的 Harness

Canvas 的用途

Agent Harness & Reliability Canvas 是 AI 302 的總結作品。針對一個真實的使用情境，你要說明目標與觸發、定義 State Model 與每個 State 存放的資料、設計有界限的 Execution Loop、設置 Checkpoint 並規劃 Run 如何 Resume、加入 Verification Gate 與真人控制點、分類可能的失敗並設定 Retry 與 Recovery 規則、用 Compaction 讓 Context 保持精簡、決定要觀察什麼與追蹤哪些 Reliability Metrics，並設定 Operational Boundaries。Human、AI、Human：由真人定義任務，Agent 在 Harness 內協助或執行，最後由真人審閱並負責。

你要填寫什麼

  • 工作流程／系統目標（Workflow / System Goal）與執行觸發（Runtime Trigger）
  • State Model 與 State Data
  • Execution Loop
  • Checkpoints
  • Verification Gates 與 Human-in-the-Loop
  • Failure Taxonomy、Retry Policy 與 Recovery 與 Fallback
  • Context Compaction
  • Observability 與 Reliability Metrics
  • Operational Boundaries、最終產出（Final Output）與反思問題

注意

影響重大或不可逆的動作，絕不應只靠 Harness 自動執行。請寫明哪些動作必須先由真人核准，以及哪些動作 Agent 絕不可執行。

範例

Canvas 頁面提供一個完整範例（每週供應商發票 Run），以及其他職業的應用想法：客戶服務、文獻掃描、人資到職流程、財務報告與行政作業。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 教的是 Agent 系統如何可靠運作：保有 State、可暫停與 Resume、驗證重要動作、從失敗中 Recover，並保持可觀察與可控制。課程體系接下來是把這些能力用在真實組織問題上的產業實作專案課程。請參閱課程目錄，了解目前開放的課程。

學術對應：M5276 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, and Failure Recovery。LangGraph 只作為一個實作範例，概念本身與框架無關。

Planning 與 Reasoning 屬於 AI 202，角色設計與 Orchestration 屬於 AI 301，因此本課程不重複這些內容。

前往 Canvas

你需要完成

  • 完成 AI 302 八個單元的學習
  • 在課程後測拿到 80% 以上
  • 若要取得 Agent Harness Engineering 能力證書，另外提交 Agent Harness & Reliability Canvas，並經 Credential Admin 依評分規準審查通過

你會被評量

Agent Harness & Reliability Canvas 由 Credential Admin 依六個加權面向評分：目標、觸發與 State 設計、執行迴圈與 Checkpoint、查證與 Human-in-the-Loop、失敗、重試與復原設計、Context Compaction、可觀察性、可靠性與界線。總分 18 分中達 15 分以上、且未觸發任一項 critical-fail 規則，才是 PASS；12 分以下或觸發任一項 critical-fail 規則則為 FAIL。

資訊

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，也與提交後立即顯示的自動參考評分（scoreHrCanvas）是兩套獨立機制。

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 302 細項能力（Harness 與 Agent Logic 判別、State 與 Loop 設計、Checkpoint 與 Resume、Verification 與 Human-in-the-Loop、失敗分類與復原、Context Compaction、Observability 與 Reliability、Canvas 設計）分別留下能力證據

可取得

AI 302 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 Agent Harness & Reliability Canvas。Agent Harness Engineering 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。（此完課證書與 AI 302 既有的、需完成七項實作活動與至少一份 Canvas 的舊版證書機制是兩套不同、平行存在的機制，彼此不互相取代。）

這項證明不代表

這項證明確認持有人完成了 AI 302 的必修課程、後測，或（能力證書）針對 Agent Harness & Reliability Canvas 展現了 State 設計、Checkpoint、查證、失敗復原、Context Compaction 與可觀察性等能力。

  • 不代表持有人具備正式的系統可靠度或 DevOps 專業證照或雇用資格
  • 不代表持有人日後設計的任何 Agent Harness 自動正確或安全
  • 不代表可以在重大決策前略過人工審查（Human、AI、Human）

接下來做什麼？