本課程專為研究生設計，旨在培養學生運用大型語言模型（LLM）進行 AI Agent 開發的能力，並將其應用於科學研究場景。課程涵蓋四大核心主題：OpenClaw 框架基礎、LLM 程式設計與 Context Engineering、Agent 設計與 Harness Engineering、以及 Skill 模組設計與整合。
學生將從 OpenClaw 開發框架入門，理解 AI Agent 生態系統全貌；接著深入 LLM 程式設計，掌握 Prompt Engineering、RAG 與 Context Engineering 等核心技術；進而學習 Agent 架構設計與 Harness Engineering，打造具備工具使用與多步推理能力的智慧代理；最終學會設計可重用的 Skill 模組，實現科研工作流程自動化。
課程強調實作導向與科研應用，每堂課均有明確的程式產出。學生須具備基礎程式概念（或曾使用 AI 輔助寫程式的經驗），透過循序漸進的教學設計，讓不同背景的研究生都能掌握 AI Agent 開發技術並應用於自身研究領域。
| 課程大綱 | 分配時數 | ||||
|---|---|---|---|---|---|
| 單元主題 | 內容綱要 | 講授 | 示範 | 習作 | 其他 |
| OpenClaw 基礎架構與生態 | OpenClaw 框架介紹與設計理念、開發環境建置、核心元件導覽（Agent、Skill、Tool、Hook、Memory）、架構解析與模組關係、Discord 整合實作。 | 1.5hr | 0.5hr | 0hr | 0hr |
| LLM 程式設計與 Context Engineering | LLM API 呼叫方式（Claude API / OpenRouter）、Prompt Engineering 核心技巧、RAG 檢索增強生成原理與實作、Context Engineering 上下文管理與組織、Structured Output 結構化輸出。 | 1.5hr | 0.5hr | 0hr | 0hr |
| Agent 設計與 Harness Engineering | Agent 執行循環（感知、推理、行動）、Agent 工具設計與註冊（Tool Use）、Context 管理策略（對話歷史、系統提示、動態上下文）、Validation Loop 輸出驗證與自我修正機制。 | 1.5hr | 0.5hr | ||
| Skill 設計與進階生態 | Skill 模組介面規範與設計原則、Agent Tool Ecosystem 工具市集與第三方整合、Skill 開發實戰與科研應用整合。 | 1.5hr | 0.5hr | 0hr | 0hr |
| 日期 | 課程進度、內容、主題 |
|---|---|
| 6/17 |
OpenClaw 基礎架構與生態 OpenClaw 框架介紹與設計理念、開發環境建置、核心元件導覽（Agent、Skill、Tool、Hook、Memory）、架構解析、Discord 整合實作。 |
|
6/19 端午節 |
LLM 程式設計與 Context Engineering LLM API 呼叫（Claude API / OpenRouter）、Prompt Engineering、RAG 檢索增強生成、Context Engineering 上下文管理、Structured Output。 |
| 6/24 |
Agent 設計與 Harness Engineering Agent 執行循環、Agent 工具設計與註冊（Tool Use）、Context 管理策略、Validation Loop 輸出驗證與自我修正機制。 |
| 6/26 |
Skill 設計與進階生態 Skill 模組設計原則、Agent Tool Ecosystem、Skill 開發實戰與科研應用整合。 |