Agent 是目標導向執行系統
Agent 依目標規劃、使用工具、觀察結果並決定下一步;每一輪應保留狀態、Evidence 與停止條件。
這裡放跨課程都會反覆用到的知識。需要動手時再進課程,不把觀念與教材混在一起。
Agent 依目標規劃、使用工具、觀察結果並決定下一步;每一輪應保留狀態、Evidence 與停止條件。
Model 負責判斷,Tools 碰外部世界,Memory 留住必要狀態,Loop 讓工作持續往前。
應檢查報告、來源、測試、Trace、核准紀錄與實際檔案,不採用 Agent 的自我宣稱。
發布、花錢、刪除、修改 recipe 或任何不可逆動作之前,把決定交還給人。
Agent 的價值不在一次答對,而是每一步留下狀態與產出,能在下一輪修正;達標、卡住或碰到 Gate 就停。
AI 小學堂先建立工作判斷、帶課語言與 Human Gate;Google 官方課程再把同一套觀念帶進 ADK、Notebook 與雲端部署。
不是每個人都要直接寫多 Agent。先在本站確認任務值得做、產出能驗收、風險有 Gate,再選擇適合自己的 Google 路線。
| Google 五日主題 | AI 小學堂對應 | 完成後應留下 |
|---|---|---|
| DAY 1Agent 架構與多 Agent | 00 起步・01 拆任務 | 畫出 Agent Loop、子任務與角色分工 |
| DAY 2Tools 與外部系統 | 02 寫指令・03 選工具 | 定義工具、權限與使用條件 |
| DAY 3Context 與 Memory | 04 管記憶 | 決定短期狀態、長期記憶與摘要策略 |
| DAY 4Observability 與 Evaluation | 05 做驗收 | 留下執行軌跡、測試案例與驗收證據 |
| DAY 5Prototype 到 Production | 06 設治理 | 補上安全、部署、Human Gate 與營運責任 |
MCP 讓 Agent 以一致方式連接文件、資料庫與系統;身分、資料範圍與權限仍應依任務最小化,讀取與寫入分開,關鍵動作保留核准與稽核紀錄。