國立臺灣大學電機工程學系／李宏毅 教授
中小網大
課程聚焦於生成式人工智慧系統在任務執行過程中，如何透過有效管理資訊脈絡，提升回應品質與行動準確性。內容從上下文的概念切入，說明系統在處理問題時，除了使用者當下輸入的指令外，還可能結合歷史對話、外部知識、工具回傳結果、記憶內容與任務目標等多種資訊，共同形成判斷依據。並進一步探討當資訊量增加時，可能造成理解偏移、重點遺漏或效能下降等情況，以及如何透過資訊選取、摘要壓縮與任務拆解等方式加以改善。透過整體說明，協助建立更完整的設計觀念，理解智慧系統不只依賴模型能力，更仰賴資訊安排與脈絡管理，才能在真實應用中展現穩定且有效的表現。
一、上下文工程核心概念。
二、任務執行所需資訊整合。
三、對話記憶與外部知識運用。
四、資訊過多對表現的影響。
五、提升系統效果的設計方法。
建立對上下文工程的基礎理解，了解AI Agent 的能力不僅取決於模型本身，也高度仰賴輸入資訊的組織與管理方式。內容說明AI Agent 在執行任務時常見的上下文來源，並理解RAG、工具呼叫、歷史訊息與記憶機制的重要性。同時也可掌握當上下文過長時，如何透過資訊篩選、摘要壓縮與多代理分工來改善效能。有助於從提示設計進一步延伸到任務脈絡設計，建立更完整的AI應用與系統規劃觀念。
活動詳情：https://www.smelearning.org.tw/news.php?node=840