本課程為兩天密集式實作工作坊，核心宗旨為建立學生的「AI 驅動創新實踐力」。有別於傳統流程導向的設計教學，本課程採「專題導向學習 (Project-Based Learning)」模式，學員將從各自的專題痛點出發，反推並對接所需的 AI 技術棧。 課程架構遵循 AI 應用開發的進階路徑：從基礎的 LLM 原理與 Prompt Engineering 切入，建立 AI 協作基礎；隨即導入 RAG (檢索增強生成) 與 Personal Agent 開發，提升技術解決方案的精準度與個人化特徵；進而深入 Agent Engineering 與 Agentic Engineering，探討多代理協作的自主決策架構；最終目標是培養學員具備 Harness Engineering 的核心素養，能有效駕馭複雜的 AI 工具鏈，將生成式 AI 轉化為解決跨域問題的關鍵技術引擎。課程採取「做中學 (Learning by Doing)」模式，學員將於兩天內完成從問題定義、技術選型、Agent 實作到原型驗證的完整循環，培養具備技術視野的創新實踐能力。

一、課程目標 (Course Objectives) 建構 AI 技術棧應用能力 (Building AI Tech Stack)： 系統性傳授從 LLM 基礎、Prompt Engineering 到 RAG (檢索增強生成) 的應用路徑，使學生具備對接各類 AI 工具以解決專題痛點的技術視野。 深化 Agentic 與 Harness Engineering 思維： 引導學生掌握 Personal Agent 開發、Agent Engineering 及多代理協作 (Agentic Engineering) 的架構，從單一任務處理提升至複雜自主決策系統的設計能力。 培養解決問題的 AI 工具鏈駕馭能力 (Harnessing AI)： 強調「工具鏈駕馭 (Harness Engineering)」的核心素養，訓練學生針對特定領域問題，整合多種 AI 技術模組，產出具備實作價值與驗證性的技術解決方案。 二、學生學習成效 (Student Learning Outcomes) 技術棧精準選型與實作力： 學生能評估專題需求，精準選用適當的 AI 技術棧 (從 Prompt 到 Agent)，並能將其整合進現有開發原型中，解決技術對接瓶頸。 AI Agent 架構設計能力： 學生能具備開發個人化代理 (Personal Agent) 的實戰能力，並能理解並應用 Agentic Engineering 原則，優化自主決策流程，提升應用程式的智慧化水平。 高效能技術整合與驗證力： 學生能於短時間內透過「做中學」模式，完成具備 Harness Engineering 基礎的創新雛形，展現將 AI 技術從「概念」轉化為「可運行原型」的跨域整合專業素養。

全程參與 (Full Participation)： 因本課程為高強度密集工作坊，課程節奏緊湊且高度依賴團體協作，要求學員全程參與兩天課程。若缺席將導致小組專案無法進行，請確認時間可配合再行選修。 跨域協作 (Collaborative Engagement)： 本課程強調多元觀點交流，學員需積極投入小組討論與腦力激盪，運用不同學科背景解決真實問題，並展現開放溝通的團隊態度。 動手實作 (Hands-on Prototyping)： 課程以「做中學」為核心，要求學員從問題定義、AI 工具導入到原型製作 (Prototyping) 皆需實地參與。學員需於第二日課程結束前完成專案雛形並進行簡短發表。 準備事項 (Technical Preparedness)： 學員需自備筆記型電腦（含充電設備及穩定連線功能），並依課前通知註冊相關 AI 生成式工具帳號，以確保課程中能即時進行實作與測試。

指定閱讀 《AI 2041：預見10個未來新世界》 (AI 2041: Ten Visions for Our Future) 作者：李開復、陳楸帆 《設計思考改造世界》 Change by Design: How design thinking transforms organizations and inspires innovation 作者：Tim Brown 參考書目 《設計的心理學》 (The Design of Everyday Things) 作者：Don Norman 《AI 賦能》 (AI Superpowers) 作者：李開復 延伸閱讀 生成式人工智能應用與實踐 作者： 岳宗輝，鄭桂昌