收藏
CH01 人工智慧與代理人(Agent)導論
1-1 人工智慧的探索
1-2 代理人(Agent)的定義
1-3 Agent 架構分類
1-4 以LLM作為認知引擎的Agentic AI
1-5 真實世界應用與新興趨勢
1-6 原理與實作：建構AI Agents
1-7 挑戰、風險與治理
1-8 未來展望：邁向協作型自主系統
1-9 章節總結
CH02 虛擬化容器平台與Podman
2-1 為何AI Agent需要容器化？
2-2 從基礎設施到Agent開發之雲原生技術堆疊
2-3 虛擬平台階層關係
2-4 Podman核心概念：為AI Agent打造安全沙盒
2-5 Podman與Docker的戰略選擇
2-6 安裝與環境設定
2-7 Podman Desktop與Podman AI Lab
2-8 基本指令與映像檔管理
2-9 使用Containerfile建置映像檔封裝AI Agent
2-10 進階CLI概念：Pod、磁碟區與AI Agent的後端服務
2-11 Kubernetes工作流程
2-12 章節總結
CH03 AI Agent原理與技術
3-1 AI Agent簡介
3-2 AI Agent的基本原則與架構詳解
3-3 驅動現代AI Agent的核心技術
3-4 商用與開源LLM模型選擇與本地端推論架構
3-5 Agent 營運(AgentOps)：從容器化到雲端原生架構
3-6 章節總結
CH04 AI Agent設計與開發
4-1 AI Agent設計模式
4-2 Agent設計框架
4-3 使用Podman進行MLOps
4-4 AI Agent的當前趨勢與未來方向
4-5 章節總結
CH05 運用大型語言模型設計Agents — 以直覺反應Agents為例
5-1 智慧型Agent的理論基礎
5-2 現代化的直覺反應式Agent
5-3 範例：一個穩健的系統監控Agent
5-4 在本機虛擬環境執行範例
5-5 從本地端程式到可商業部署的軟體
5-6 章節結論
CH06 模型驅動反應式(Model-Based Reflex)Agent設計
6-1 超越即時反應 - 內部狀態的需求
6-2 理論基礎與LLM的角色
6-3 使用Podman和Ollama的本地端AI
6-4 一個「具備上下文感知」的Agent
6-5 使用Podman進行部署與移植
6-6 章節總結
CH07 目標導向(Goal-Based) Agents設計
7-1 緒論
7-2 問題形式化與狀態空間搜尋
7-3 自動化規劃(Automated Planning)
7-4 概率環境下的目標規劃與世界模型
7-5 密閉脫逃遊戲設計
7-6 建置Podman容器和執行Agent
7-7 章節總結
CH08 謀而後動(ReAct) Agent設計
8-1 認知與行動的協同效應之運作模式
8-2 ReAct Agent的核心組件與實作機制
8-3 ReAct 模式的實作框架
8-4 ReAct Agent範例與容器化
8-5 ReAct 的即時執行追蹤
8-6 關鍵技術挑戰與解決方案
8-7 進階設計模式
8-8 章節總結
CH09 自我反思（Self-Reflection）Agent設計
9-1 LLM 從單向線性生成到遞迴式自我優化
9-2 後設認知、內省與反饋迴路
9-3 核心技術架構
9-4 自我反思Agent範例
9-5 使用Podman進行容器化與部署
9-6 自我反思Agent設計與提示詞工程
9-7 挑戰與限制
9-8 章節總結
CH10 代理式(Agentic)RAG設計
10-1 從靜態檢索到動態認知的Agentic RAG演進
10-2 檢索增強的核心組件與技術
10-3 自主代理設計模式
10-4 建置一個地端執行的容器化Agentic RAG
10-5 建置Podman容器和執行Agent
10-6 上下文工程與優化(Context Engineering)
10-7 評估體系與安全護欄(Evaluation & Guardrails)
10-8 章節結論
瀏覽器，→並以Chrome開啟我的電子書櫃後，點選『線上閱讀』，即可閱讀您已購買的電子書。建議使用 Chrome、Microsoft Edge有較佳的線上瀏覽效果。
2026專利防護中