AI Agent 使用工作坊 — 從環境建置到版本控制，手把手帶你上手

如果你已經聽過 AI Agent 可以寫程式，但打開 terminal 還是不太知道從哪裡開始——這堂課就是為你準備的。

這是一場 4.5 小時、70% 實機操作 的工作坊。不談虛的，terminal 打開直接做。

---

對象

具備基礎程式能力，但 尚未實際用過 AI Agent 開發 的開發者。

你不需要：

• 用過 Claude Code 或任何 AI Agent
• 熟悉 Linux 或 Git
• 會任何特定框架

你需要：

• 有一台筆電（macOS / Windows / Linux 都可）
• 知道變數、迴圈、函式是什麼意思

---

課程大綱

第 0 部分：環境建置（30min）

課前會寄送環境準備 checklist，開場直接驗證。

一起確認每個人的電腦上都裝好了：

node -v
npm -v
git --version
claude --version
code --version

誰卡住現場排除。沒過這關後面無法跟上。

需要的東西：VS Code、Terminal、Node.js v20、Git、Claude Code。Windows 學員建議裝 Git Bash 或 WSL2。

---

第一部分：拆掉框架，一切皆是算術（30min）

費曼說過，一切複雜的系統到最後都是算術邏輯。這句話放在 AI Agent 上一樣成立——Agent 只是更高層次的抽象，不是黑魔法。

接著介紹 REPL（Read-Eval-Print-Loop） 作為核心思考模型。Agent 的工作方式本質上就是一個巨大的 REPL。你不是在「問問題」，你是在跟一個 REPL 持續迭代。

🔧 Demo： python3 REPL → bash loop → Claude Code 對話，展示同一種思考模型的三種層次。

---

第二部分：開源與作業系統（45min）

為什麼每個 Agent 工具都優先支援 Linux？因為 Agent 需要「延伸」與「執行」能力，而 Linux 的 pipe、script、cron、systemd 是最容易被程式操控的。

這一段快速帶過：

• 開源的核心精神（不是什麼都可以，但保障了你的自由）
• macOS / Windows / Linux 的本質差異
• 你只需要學會：檔案系統導航、權限觀念、套件管理、process 管理——夠讓 Agent 在 Linux 上幫你做事就夠了

🔧 Demo： 開一台乾淨的 Linux 主機，從裸機到跑起一個專案，全過程只用 Agent 下指令。

---

第三部分：Claude Code 與 Codex 實戰（60min）

這是課程最重的環節，三個 Lab 從入門到會用：

🔧 Lab 1 — Hello World： 從空目錄開始，請 Agent 建立一個靜態網頁，觀察它怎麼理解模糊需求。

🔧 Lab 2 — 迭代開發： 在既有專案上加功能，讓 Agent 讀懂現有程式碼再修改。展示 REPL 式的連續對話怎麼驅動開發。

🔧 Lab 3 — 修 Bug： 故意放一個有 bug 的程式，讓 Agent 診斷、修復、解釋根因。

另外也會簡單介紹 Codex / GitHub Copilot 的工作方式——什麼時候用 inline suggestion，什麼時候用完整對話。

---

第四部分：版本控制手把手（60min）

這是最重要的環節。因為 跟 Agent 協作比跟人協作更需要版本控制。

六個 Step，學員跟著 terminal 打：

1. git init — 建立第一個 repository
2. git log — 看歷史
3. git branch / git merge — 分支與合併
4. git diff / git add -p / git revert — 跟 Agent 協作的核心流程
5. git push / git pull — 多人（多 Agent）情境
6. .gitignore / Git Hooks — 進階保護機制

一個重要的觀念：Commit 是 checkpoint，Branch 是平行宇宙，Merge 是同步。 跟 Agent 一起開發尤其需要這個紀律。

🔧 綜合 Lab： 用 Agent 產生專案 → 每加一個功能就 commit → 故意讓 Agent 出錯 → 用 git revert 倒退 → push 到遠端。

---

第五部分：跟 Agent 協作的正確姿勢（30min）

同一個需求，一句話問跟拆成五步問，輸出品質可以差好幾倍。這一段教你：

• System Prompt / User Prompt / Context 的分層結構
• Task Decomposition：大任務怎麼拆給 Agent
• Human-in-the-Loop：哪些讓 Agent 做、哪些要人確認、哪些不能讓 Agent 碰
• 安全意識：Hallucination 辨識、API Key 保護、權限最小化

🔧 Demo： 故意讓 Agent 產生一個有安全漏洞的程式，再請它自己 review 並指出問題。

---

第六部分：擴展 Agent 能力（30min）

Agent 最強的不是聊天，是能接工具。MCP Protocol、Filesystem Access、Database Query——這些讓 Agent 從「顧問」變成「員工」。

🔧 Demo： Agent 從零建立一個 Express API → 寫 Dockerfile → 部署到伺服器，全部由 Agent 操作。

---

第七部分：成本與選擇（15min）

什麼時候用 Haiku（快又便宜）、什麼時候用 Sonnet（日常主力）、什麼時候用 Opus（深度推理）？--max-budget-usd 的實際意義是什麼？每月 API 花費怎麼估算？

最後留時間開放 QA。

---

時間配置

部分	時間
0 — 環境建置驗證	30min
一 — 一切皆是算術 + REPL	30min
二 — 開源與作業系統	45min
三 — Claude Code + Codex 實戰	60min
四 — 版本控制手把手	60min
五 — Agent 協作正確姿勢	30min
六 — 擴展 Agent 能力	30min
七 — 成本與選擇 + QA	15min
總計	約 4.5 小時

---

參加方式

如果你對這堂課有興趣，或想邀請我到你的團隊/社群授課——歡迎透過 namog.net 的訂閱系統或直接回信讓我知道。開課日期確定後會優先通知訂閱者。

---

本文同步收錄於課程大綱檔案。