自強課程
課程名稱
【假日實體】AI Agent 高階課程實戰工作坊:LangGraph× MCP×Local LLM
熱烈招生中
課程代碼:
16W301
上課時間:
116/1/10、1/17,星期日,09:00-16:00,共二週12小時。
上課時數:
12 小時
課程費用:
12000元
(符合超值優惠價格者需送出報名表後,系統發出報名成功回函確認金額。)
超值優惠:
- VIP企業會員價:VIP企業會員可享優惠價格 (按我)
- 會員優惠價: 會員於開課前七天完成報名繳費者可享會員優惠價 11000 元
- 團報價方案:會員2人同行,可享同行價 10500 元(須於課前告知)
- 會員紅利折抵:本課程歡迎使用紅利折抵,最高可使用 100 點
課程目標:
以企業研發工作流程為主軸,學習運用LangGraph建立可控制、可追蹤的AI Agent工作流,透過MCP串接文件、API與知識資料,並接入自架或企業內部LLM。
學員將從摘要、資料擷取與工具查詢的小型練習,逐步完成規格研究、Conference整理、會議知識更新,Degug RAG或設計規格草案等應用,理解人工核准、資料安全與多人服務化的導入條件。
學員將從摘要、資料擷取與工具查詢的小型練習,逐步完成規格研究、Conference整理、會議知識更新,Degug RAG或設計規格草案等應用,理解人工核准、資料安全與多人服務化的導入條件。
課程特色:
1.完成摘要、資料擷取、工具查詢等小型練習
2.建立可控制、可追蹤的LangGraph工作流
3.透過MCP串接文件、API與知識資料
4.接入自架或企業內部Local LLM
5.完成規格研究、Conference整理、會議知識更新、Debug RAG、設計規格草案等應用
2.建立可控制、可追蹤的LangGraph工作流
3.透過MCP串接文件、API與知識資料
4.接入自架或企業內部Local LLM
5.完成規格研究、Conference整理、會議知識更新、Debug RAG、設計規格草案等應用
課程大綱:
1. AI Agent 戰略與企業落地
1-1 Agent vs Chatbot:從回答問題到執行工作流程
1-2 LangGraph 的角色:狀態管理、工作流控制與多代理人協作
1-3 MCP 的角色:以標準化工具介面串接真實世界資料與服務
1-4 Local LLM 與企業研發應用案例:部署、能力與資料邊界
1-5 小組活動:盤點一條可優化的部門工作流程
2. LangGraph 基礎操作與能力展示
2-1 LangGraph 架構與元件:State、Node、Edge、Conditional Edge
2-2 Agent、Tool 與人員角色:如何配置分工與控制交接
2-3 串接 Local LLM:模型服務、結構化輸出與能力檢測
2-4 實作示範:自動摘要、會議紀要、報告生成、文件轉簡報內容大綱
3. 企業流程 → AI 工作流拆解 Workshop
3-1 流程拆解:Input → Model/Tool → Decision → Output
3-2 AI 助理可接手的七類任務:摘要、擷取、分類、檢索、比對、草擬、受控更新
3-3 小組練習:標示資料來源、自動化步驟、人工核准與驗收條件
3-4 產出「AI 助理導入企劃書 v0.1」
4. LangGraph 實作:打造你的第一個 AI 助理
4-1 建立 Python、LangGraph 與 Local LLM 串接環境
4-2 實作會議摘要與 Action Items
4-3 實作文件讀取、來源標示與研發資料檢索
4-4 加入結構化輸出、條件判斷、錯誤處理與資訊不足時的停止機制
4-5 產出:第一版 LangGraph 助理 Demo
5. MCP 概念與企業應用
5-1 MCP 如何標準化模型應用與工具服務的介面
5-2 MCP Server 如何讓 LangGraph 工作流與 Agent 使用工具
5-3 常見整合:PDF、Web、API、DB、Wiki、Issue Tracker、Git
5-4 企業服務盤點:帳號、權限、資料範圍與服務開放條件
6. MCP + LangGraph + Local LLM 實作:AI 智能助手 Demo
6-1 建置 MCP Server,定義安全、可測試的工具
6-2 串接 LangGraph → MCP Tool → Local LLM
6-3 完成文件分析、API 查詢或企業資料檔案處理
6-4 配置多角色協作、人工核准與狀態保存
6-5 展示研發應用:規格研究、Conference 摘要、會議知識更新、Debug 建議與設計規格草案
7. Demo 整合與「AI 助理導入企劃書」撰寫
7-1 選擇一項研發場景,整合可操作的 Demo
1-1 Agent vs Chatbot:從回答問題到執行工作流程
1-2 LangGraph 的角色:狀態管理、工作流控制與多代理人協作
1-3 MCP 的角色:以標準化工具介面串接真實世界資料與服務
1-4 Local LLM 與企業研發應用案例:部署、能力與資料邊界
1-5 小組活動:盤點一條可優化的部門工作流程
2. LangGraph 基礎操作與能力展示
2-1 LangGraph 架構與元件:State、Node、Edge、Conditional Edge
2-2 Agent、Tool 與人員角色:如何配置分工與控制交接
2-3 串接 Local LLM:模型服務、結構化輸出與能力檢測
2-4 實作示範:自動摘要、會議紀要、報告生成、文件轉簡報內容大綱
3. 企業流程 → AI 工作流拆解 Workshop
3-1 流程拆解:Input → Model/Tool → Decision → Output
3-2 AI 助理可接手的七類任務:摘要、擷取、分類、檢索、比對、草擬、受控更新
3-3 小組練習:標示資料來源、自動化步驟、人工核准與驗收條件
3-4 產出「AI 助理導入企劃書 v0.1」
4. LangGraph 實作:打造你的第一個 AI 助理
4-1 建立 Python、LangGraph 與 Local LLM 串接環境
4-2 實作會議摘要與 Action Items
4-3 實作文件讀取、來源標示與研發資料檢索
4-4 加入結構化輸出、條件判斷、錯誤處理與資訊不足時的停止機制
4-5 產出:第一版 LangGraph 助理 Demo
5. MCP 概念與企業應用
5-1 MCP 如何標準化模型應用與工具服務的介面
5-2 MCP Server 如何讓 LangGraph 工作流與 Agent 使用工具
5-3 常見整合:PDF、Web、API、DB、Wiki、Issue Tracker、Git
5-4 企業服務盤點:帳號、權限、資料範圍與服務開放條件
6. MCP + LangGraph + Local LLM 實作:AI 智能助手 Demo
6-1 建置 MCP Server,定義安全、可測試的工具
6-2 串接 LangGraph → MCP Tool → Local LLM
6-3 完成文件分析、API 查詢或企業資料檔案處理
6-4 配置多角色協作、人工核准與狀態保存
6-5 展示研發應用:規格研究、Conference 摘要、會議知識更新、Debug 建議與設計規格草案
7. Demo 整合與「AI 助理導入企劃書」撰寫
7-1 選擇一項研發場景,整合可操作的 Demo
課程師資:
自強基金會 李老師
現任:
國立清華大學 智慧製造跨院學程 合聘講師
專長領域:
AI Agent、多代理系統、RAG架構、AI應用落地
現任:
國立清華大學 智慧製造跨院學程 合聘講師
專長領域:
AI Agent、多代理系統、RAG架構、AI應用落地
主辦單位:
財團法人自強工業科學基金會
學員須知:
注意事項



