自強課程

課程名稱

【竹科管理局線上補助課程】Claude Code & Agentic RAG 實戰：打造工業級自主開發系統與企業知識庫熱烈招生中全線上

✨補助優惠價：會員於9/3前(含)報名：✨
　🥇園區內：4,000元/人。
　🥈園區外：5,000元/人。
📌任職於【科學園區廠商】優先錄取!　報名完成後將會由後端統一修改優惠金額。
<9/4起恢復原價，敬請把握!>

課程代碼：

15W337

上課時間：

9/5、9/12，星期六，09:30-16:30，共二週12小時。

上課時數：

12 小時

上課地點：

網路線上

課程費用： (以下費用已由竹科管理局補助80%)

6000元 (科學園區廠商優惠價格需送出報名表後，系統發出報名成功回函確認金額。)

超值優惠：

科學園區廠商優惠價： 5000 元(★繳費完成才算報名成功喔★)

課程目標：

1. 自動化駕馭：駕馭 Claude Code CLI 操作與模型切換策略。
2. 品質提升：掌握 CLAUDE.md + Spec Driven 方法論，提升 AI 產出品質。
3. 工作流客製：開發自訂 Skills 與 Hooks，建立可複用的自動化工作流。
4. 多代理協作：運用 Subagent 與 Agent Teams 實現多代理平行協作。
5. CI/CD 整合：整合 GitHub Actions，讓 Claude 自動進行程式碼審查（Review PR）。

課程特色：

本課程將帶領你完成三大技術：
1️⃣從「下指令」到「定規範」：利用 CLAUDE.md 與 Spec Driven 方法論，讓 AI 第一次就寫對代碼，減少 80% 的重構成本。
2️⃣從「單兵作戰」到「代理人團隊」：實戰 Subagent 與 Agent Teams 架構，讓 AI 自動化執行程式碼審查（Code Review）與安全審核。
3️⃣從「傳統 RAG」到「Agentic RAG」：整合 MCP 與 Hooks 閘門，打造具備自我修正能力、能直接落地企業內部的知識庫系統。
4️⃣最新 A2A 跨框架互通：不只侷限於 Claude，更教你如何讓 Claude Code 與 Google 的系統透過 Protocol 對話。
5️⃣自律型 Corrective RAG：實作當檢索資訊不足時，AI 會「自主思考」並觸發 Web Search 補強的進階邏輯。

修課條件：

必備條件：
• 具備 Python實務開發經驗
• 熟悉 Terminal 操作與 Git 基本流程
• 擁有 Anthropic API Key 或 Claude Pro/Max 訂閱，需安裝Node.js 18+
加分條件：
• 有 GitHub Actions 或 CI/CD 基本概念
• 建議先修前兩門課程（15W335 Cursor 實戰 + 15W336 Google AI 生態系）

課程大綱：

1.上手：安裝、CLI 操作與模型策略
　(1)安裝設定與 API Key 配置
　(2)Slash Commands 核心指令（/init, /model, /compact,/skills, /hooks）
　(3)模型切換策略：Opus 深度思考 vs Sonnet 快速迭代，何時切換-p 非互動模式與管線串接（自動化基礎）
⭐實作：用 Claude Code 從零完成一個 CLI 工具

2.CLAUDE.md 與 Spec Driven 開發
　(1)CLAUDE.md 撰寫最佳實踐：專案級 / 使用者級 / 全域設定
　(2)@ 引用系統：精準引用檔案、資料夾、截圖
　(3)Spec Driven 方法論：需求 → 規格 → 實作 → 驗證
⭐實作：為一個現有專案撰寫 CLAUDE.md + Spec，實測產出品質差異

3.Skills 開發實戰 + Hooks 防護
　(1)Skills 原理：SKILL.md 結構、自動發現機制、觸發條件設計
　(2)從零開發一個完整 Skill（含腳本、範本、參考文件）
　(3)Hooks 實戰：用 PreToolUse 做防洩漏閘門、自動格式化
⭐實作：打造「程式碼品質檢查」Skill + 防洩漏 Hook

4.Subagent 與 Agent Teams 多代理協作
　(1)Subagent 定義與實戰：建立 code-reviewer / security-auditor 專責代理
　(2)Agent Teams（2026/2 實驗功能）：Team Lead + Teammates 平行協作 Demo
　(3)何時用 Subagent vs Agent Teams 的選擇策略
⭐實作：用 Subagent 拆解一個中型功能的開發任務

5.實戰：用 Claude Code 打造 AgenticRAG 和企業知識庫
　(1)Agentic RAG 架構解析：從傳統 RAG 到 Agentic RAG 的演進
　　（Self-Correction、Adaptive Routing、Multi-Agent 協作）
　(2)用 Spec Driven 撰寫系統規格：定義 Router Agent、Retriever Agent、Evaluator Agent 的職責分工
　(3)用 Skills 封裝 RAG 工作流：文件解析 Skill、向量檢索 Skill、答案品質評估 Skill
　(4)用 Subagent 實作多代理架構：Query Router → 檢索代理 → 品質自我修正 → 最終回答
　(5)MCP 串接實戰：連接向量資料庫（Qdrant / ChromaDB）與企業文件來源
　(6)用 Hooks 建立品質閘門：檢索結果低於信心閾值時自動觸發 Web Search 補強（Corrective RAG 模式）

課程師資：

講師：羅子嘉老師
專長：GenAI、大型語言模型應用、Agent代理人部署
現任:國立台灣大學專任GenAI工程師暨強化學習開發主任

主辦單位:

財團法人自強工業科學基金會

學員須知：

報名與繳退費方法｜常見問題與解決｜會員紅利積點活動辦法

證書及上課證明發放規定：

課程總時數16小時(含)以上，達出席率75%、成績及格將發予電子證書。

課程總時數16小時以下，達出席率75%，則發予電子上課證明。

注意事項

※請前往竹科管理局廠商與單位名錄進行查詢，即可判斷公司是否為園區內廠商。