第一章 AI 基礎概念【建立地基】
1.1 前言：從「玩具」到「工具」—重新定義 AI Agent
1.2 原理到應用：AI 與大型語言模型（LLM）簡介
1.3 生成式 AI 的三大技術核心
1.4 元件與工具
第二章 架設地端的生成式 AI 環境：Dify
2.1 雲端環境：雲端版 Dify
2.2 地端環境：Ubuntu
2.3 地端環境：WSL2
2.4 安裝 AI Agent 環境：Dify
第三章 Dify 的環境設定
3.1 LLM 模型供應商設定（Model Providers Setup）
3.2 Agent Tool 設定（Agent Tool Configuration）
第四章 Dify 使用說明：基礎篇
4.1 基礎說明篇
4.2 功能說明：聊天助手
4.3 功能說明：Agent
4.4 功能說明：文字生成應用
第五章 Dify 使用說明：進階篇
5.1 進階篇說明
5.2 功能說明：基本模組說明
5.3 功能說明：知識庫（TEXT 文件）
5.4 功能說明：知識庫（PDF 文件）
5.5 功能說明：知識庫（線上 Web）
5.6 功能說明：聊天流（Chatflow）
5.7 功能說明：工作流（Workflow）
第六章 知識庫的創建（RAG）與應用功能說明
6.1 何謂 RAG 及其運作方式
6.2 建立知識庫
6.3 管理知識庫
6.4 知識庫的應用
第七章 Prompt 設計心法與六大類情境說明
7.1 Prompt Engineering 之設計心法及工具
7.2 六大情境說明
7.3 知識查詢與信息獲取（Knowledge Query & Information Retrieval）
7.4 創意生成與內容創作（Creative Generation & Content Creation）
7.5 任務指示與格式轉換（Task Instruction & Format Conversion）
7.6 程式開發與技術支援（Programming & Technical Support）
7.7 資料分析與總結歸納（Data Analysis & Summarization）
7.8 對話互動與角色扮演（Dialogue Interaction & Role Playing）
第八章 AI Agent 無所不在：十大類領域範例
8.0 AI Agent 設計心法與工具及環境準備
8.1 生成類（Generation）：釋放無限的創造力
8.2 分析類（Analysis）：挖掘數據背後的深層價值
8.3 知識檢索類（Knowledge Retrieval）：智庫與洞察
8.4 角色互動類（Role Interaction）：弦外之音的夥伴
8.5 教學與素養類（Teaching & Literacy）：素養賦能
8.6 指令任務類（Instruction & Task）：使命必達行動派
8.7 創意與設計類（Creativity & Design）：靈感共創合夥人
8.8 商業與生產力類（Business & Productivity）：打造您的數位職場特種部隊
8.9 創新與未來趨勢類（Innovation & Future Trends）：創新與洞察未來的智慧導航
8.10 遊戲與故事設計類（Game & Story Design）：遊戲大師與故事導演
8.11 結論：AI Agent 無所不在：十大類領域範例
第九章 結論與展望
9.1 課程回顧：從地端架設到實務應用
9.2 演進全貌：從大腦到萬物互聯的四個階段
9.3 LLM 的現狀與侷限：為何我們需要 Agent？
9.4 下一階段的演進：Agent to Agent 與 MCP
9.5 思維的改變：思之、維之、思維之
9.6 結語：重塑的不是科技，而是我們
第十章 附件：MCP 全攻略
10.1 Visual Studio Code 的安裝與相關 Plug-in 設定
10.2 建立 Python Venv 虛擬環境
10.3 設定終端機及除錯環境
10.4 Model Context Protocol（MCP）概說與基本原理
10.5 MCP 實戰：架構說明（以人事系統為例）
10.6 MCP 實戰：資料庫設計
10.7 建立 MCP Server：Stdio
10.8 建立 MCP Server：Server-Sent Events（SSE）
10.9 建立 MCP Server：Streamable HTTP 新標準
10.10 建立 Dify 與 MCP Server 連接
10.11 小結
?
