AI Agent 時代，該學什麼？一張學習地圖

最近常聽到兩種說法。一種是「AI 都會寫程式了，不用學了」；另一種是「不學 AI 就會被淘汰」。兩種都讓人焦慮，但都不太對。

比較貼近現實的說法是：AI 讓很多事情變得更容易開始，但「知道要做什麼、判斷做得好不好」的人，變得更重要了。這個網站的課程，就是圍繞這件事設計的。

AI Agent 改變了什麼

前幾年，我們跟 AI 的關係大多是「聊天」：你問，它答，你再複製貼上。

現在多了一種方式，叫做 AI Agent。Agent 不只回答，還會自己動手：讀檔案、上網查資料、執行程式、根據結果決定下一步。像 Claude Code 這類 Coding Agent，可以在你的電腦上直接幫你建專案、改程式、跑測試。

這帶來兩個變化：

• 門檻降低了：不會寫程式的人，也能做出小工具、網站，甚至 App
• 判斷更值錢了：Agent 做得很快，也錯得很快。能把需求說清楚、看得懂它做了什麼、知道怎麼驗證的人，才能真正把它用好

所以該學的不是「背更多語法」，而是三件事：怎麼交代、怎麼檢查、怎麼把 AI 接進自己的工作。

為什麼分成入門、中階、高階

每個階段都在回答一個不同的問題。

入門：我能用 AI 做什麼？ 學會選工具、下指令、查證結果；如果你想碰程式，也在這裡學 Python 基礎，以及怎麼請 AI 幫你寫和除錯。完全不需要背景。

中階：怎麼讓 AI 幫我動手做？ 不寫程式的人，學怎麼把重複工作做成自動化流程。寫程式的人，學怎麼指揮 Coding Agent，以及用程式呼叫大型語言模型、寫出自己的 Agent。

高階：怎麼設計一個可靠的 AI 系統？ 讓 AI 讀懂你的資料、讓多個 Agent 分工、評估品質、防範風險。適合想把 AI 做成產品或團隊工具的人。

專案計畫：把學到的東西做成作品。 課程教的是零件，專案讓你把零件組起來。每個專案都標示了建議先上哪些課、大約要花多久，以及分成哪幾個里程碑。從記帳小幫手、作品集網站，到文件問答機器人和研究助理 Agent 都有。

另外還有一條「AI 創作實戰」路線，包含「用 AI 做遊戲」和「用 AI 做 App」兩個單元，適合想做出好玩、看得到成果的作品的人。搭配「架設你的 Claude 開發環境」，把 Claude Code 裝好、設定好，就能開始和 Agent 一起動手做。

三種人的建議路線

上班族，不打算寫程式

你的目標是每天少做一點重複的事，把時間留給需要判斷的工作。

1. AI 工作力：選工具、下指令、研究查證、寫作簡報、資料分析、隱私規範
2. AI 工作流：做自己的 AI 助理、用無程式碼工具串接自動化

上完這兩個單元，如果你開始好奇「能不能自己做一個小工具」，可以試試「用 AI 做 App」。很多人是在這裡第一次發現，原來自己也做得出東西。

想轉職成工程師

你需要扎實的基礎，也需要學會和 AI 一起工作。這兩件事不衝突：基礎越好，越能判斷 AI 寫得對不對。

1. Python 第一步 → 資料與自動化：寫出第一支真的有用的程式
2. AI 寫程式入門：學會請 AI 解釋、除錯，也知道它什麼時候會錯
3. 工程基本功：測試、Git、虛擬環境，讓你的程式能被別人接手
4. AI Coding Agent → LLM API → Agent 原理

每走完一段，就做一個專案。記帳小幫手、作品集網站、新聞摘要機器人做完，你會有一份可以拿出來給人看的作品集。

已經是工程師

你不缺寫程式的能力，缺的可能是一套「和 Agent 協作」的工作方式。

1. 架設你的 Claude 開發環境：把 Coding Agent 裝好、設定專案說明檔
2. AI Coding Agent：規格先行、讓 Agent 寫測試、審查它的修改
3. AI 開發流程：平行 Agent、Git worktree、CI 自動審查、成本控管

如果你想做 AI 產品，另一條線是 LLM API → Agent 原理 → RAG 知識庫 → MCP 與多 Agent，再挑戰文件問答機器人或研究助理 Agent 專案。入門課可以快速瀏覽，但「AI 寫程式入門」裡關於幻覺與驗證的部分，仍然值得花十分鐘看一下。

最後一個建議

不管走哪條路，都請一邊學一邊用在真實的事情上。一封真的要寄的信、一份真的要交的報表、一個你真的想要的小工具。

有真實的需求，你才會知道 AI 在哪裡幫上大忙、在哪裡會出錯，而這份判斷力，正是這個時代最需要的技能。