Google Analytics 統計公開頁面的使用情形。接受後才載入分析工具。你可在隱私權政策調整選擇。

Mokoversity 技術出版 · 電子書

Agentic Workflow:從 AI Agent 到自主式工作流

本書介紹 Agentic Workflow 的任務規劃與本地執行架構。內容涵蓋 Task Planning、Local Action、Task State、Evidence、Verification、Guardrails 與 Human Approval,並以 AI 修圖和自動化工作流為案例。

課程實作延伸

Agentic Coding

5 門線上課程 · 目前開放報名

NT$1,280

電子書與線上課程為不同商品,需分別購買。

查看套裝內 5 門課程
  • Codex CLI 實作演練-新聞重點收集與整理
  • Codex CLI 自動化新聞站:從 Task Contract 到每日排程發布
  • AI Agent 可靠上線實戰
  • 多來源新聞查核:從主張拆解到可追溯證據
  • 新聞編輯工作流:審稿、更正、撤回與版本記錄
查看課程套裝

內容介紹

關於本書

本書是「極簡 LLM 應用程式開發入門」系列第三冊,承接《Node.js & LLM 原理與實務》(M8802)與《Agentic Coding:從 Prompt 到自主軟體工程》(M8805)。內容聚焦 Agentic Workflow 原理與實作,案例包含 AI 修圖、LINE Webhook 與長時間執行的 Agent Runtime。

本書適合具備 Node.js 基礎與程式碼閱讀能力的讀者。

核心內容: 1. Task State、Tool Use、Evidence、Verification、Guardrails 與 Human Approval 2. 使用 LLM 與本地 AI Agent 執行工作流程,以自動化修圖為案例 3. 透過多個小型專案理解 Agentic Workflow 原理與實作

學習成果: 1. 分辨 Traditional Automation、LLM-powered Workflow 與 Agentic Workflow 2. 建立包含 Goal、Planner、Structured Action、Runtime、Observation/Evidence 與 Verification 的 Autonomous Loop 3. 使用 Tool Registry、Action Schema、Tool Dependency 與 Re-plan 建立 Multi-action Workflow 4. 將 LINE Webhook 等外部事件轉成標準 Task Object,接入既有 Workflow 5. 使用 State Machine 保存 Task State、History、Evidence、Retry 與 Human Approval 6. 將 Workflow 部署為長時間執行的 Runtime,驗證 Process、Capability 與 Persistence 7. 使用 Model Router、RAG、Data Evidence 與 Multimodal Observation,為 Planner 提供可追溯 Context 8. 使用 Guardrails、Approval 與 Verification 控制高風險 Action 與 External Effect 9. 整合以上能力,建立 Enterprise Agentic Workflow。