深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent

李秉鴻、周廷諺、黃文萱、饒貫玄

  • 出版商: 博碩
  • 出版日期: 2025-10-03
  • 定價: $680
  • 售價: 7.8$530
  • 語言: 繁體中文
  • 頁數: 368
  • ISBN: 6264142867
  • ISBN-13: 9786264142861
  • 相關分類: Amazon Web Services
  • 尚未上市,歡迎預購

  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-1
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-2
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-3
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-4
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-5
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-6
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-7
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-8
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-9
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-10
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-11
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-12
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-13
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-14
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-15
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-16
  • 深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-17
深談 AWS 雲端上的 AI Agent:系統化學習 AWS-AI 證照,協助企業管理 AI Agent	 -preview-1

相關主題

商品描述

本書特色
以供應鏈產銷的方式剖析勞動力,並以圖解方式說明AI Agent架構
◆ 附AI認證小幫手,協助考取各類雲端與AI認證
◆ 兼具系統性理論以及各類業務情境的AI Agent實作案例
◆ 讓AI人才專注業務,打造企業所需的新型AI管理人才
◆ 雲育鏈多年企業輔導與自身業務導入AI Agent經驗


本書介紹
每一次新科技的誕生,往往都象徵著新的契機與挑戰。它不僅推動社會進步,也意味著對全新專業人才的需求,並進一步開啟社會財富重新分配的可能。

AI Agent的出現,猶如為社會增添了一股全新的勞動力。這股數位勞動力,將使整體生產要素得以提升,進而影響供應鏈的結構與分工。未來的社會,將急切需要能調度AI完成任務的人、能為AI產出結果負責的人,以及能管理AI的人。為了迎接這股浪潮,我們必須提前做好準備,掌握AI的應用與實踐,才能在新型職缺出現時,成為第一波受青睞的人才,並協助企業建立AI Agent的業務流程與管理機制。

展望未來,城市的競爭力不再僅依賴於能源與資源,更取決於能否擁有源源不絕的算力,來驅動AI Agent所帶來的數位勞動力。然而,算力基礎設施的建置與維運成本高昂,且隨時間必然面臨折舊。對多數企業而言,自建AI機房是一種奢侈,因此雲端供應商如AWS、GCP,將成為企業部署AI Agent服務體系的首選。

也因此,若能同時掌握AWS與AI Agent,不僅能成為為AI Agent提供算力的專業人才,更能成為企業內部負責規劃、設定與管理AI Agent的關鍵角色。這類人才,將是未來社會最為稀缺且核心的工種。

本書的撰寫,正是以此為出發點。其主要目標在於協助讀者有效建構AWS上的AI Agent管理體系,並進一步考取AWS-AIF認證。雖然這張認證屬於入門級別,但若能以嚴謹態度準備,便會發現其涵蓋範疇已經足以奠定從事AI Agent應用的知識背景與技術基礎,為未來職涯鋪路。

最後值得強調的是,AI Agent勢必將在全球掀起一股熱潮。筆者所在的公司,亦已經將多種類型的工作內容與AI Agent深度結合,無論是重複性任務,抑或創造性工作,皆已展現出巨大的潛能。這意味著,我們正站在一場產業與人才全面轉型的起點。

 
雲育鏈官網:www.cxcxc.io/
雲育鏈LINE@:@cxcxc
雲育鏈FB粉絲頁:www.facebook.com/cxcxc.fans

作者簡介

李秉鴻
目前任教於中央大學,擔任AI人工智慧導論、人工智慧與文化內容產業等課程之教師。協助企業做AI人工智能之可行性研究,對國泰金、永豐金等金融產業進行AI課程教學。在全台最專業的雲端教育機構-雲育鏈開有AWS、GCP、AI等認證實作課程。著有《大話AWS雲端架構:雲端應用架構圖解輕鬆學》及《大話Flutter跨平台應用開發-入門篇》、《深談AWS雲端上的AI Agent》等書。
此書協助讀者理解AI Agent的設計,實作多個AI Agent,並能有效準備AWS AI Practitioner 認證。


周廷諺
Amazon Web Service指定授權之專業講師
多家機構之委任雲端課程講師:雲育鏈、資策會、緯育、工研院等,教授AWS雲端、Docker、Kubernetes、DevOps on AWS等課程
多年協助客戶發展雲端項目,協助申請雲端計畫與實踐、雲端CI/CD流程規劃與實踐、雲端系統架構建置及運維
協助數十個電商網站系統遷移上雲、不同規模之廠商進行系統維護方案設計與實踐
著有《大話AWS雲端架構:雲端應用架構圖解輕鬆學》及《大話Flutter跨平台應用開發-入門篇》等書

黃文萱
雲育鏈股份有限公司專案經理
統籌政府 AI × 雲端教育專案,負責跨部門協作與實務執行管理。
使用AI協助管理千萬級營收之專案,規劃課程架構、進度時程與專案執行流程。
負責「有頭鹿職能訓練場」之政府同仁AI訓練案、民眾訓練案、等多項AI相關標案,熟稔 TTQS 指標落實與成果驗證,現正主導AI Agent與TTQS指標的自動化審查。
協助企業導入 AI Agent 工具,應用於行銷自動化、標案分類與營運流程優化。
曾負責多項AI Agent導入之專案,如雲育鏈課程報名、證書發放、薪資單等內部系統。
主導「數位發展部數位產業署 DIGITAL+數位創新補助平台計畫 」等AI相關研發計畫提案與執行。

饒貫玄
雲育鏈課程營運專員
專責推動 AWS、GCP 與 AI Agent 全方位應用實作課程,負責從招生行銷、課程執行、到學員追蹤的整體營運流程。
熟悉 AWS/GCP/AI Agent 技術課程設計架構與 TTQS 訓練品質系統,負責課程排程規劃、講師協調、學員招募與成效追蹤,確保每一梯次訓練專案如期如質完成。
日常以Dify、Zaiper等AI Agent等工具負責行銷文章生成、發布、追蹤、學員問卷回收、資料建檔、學習成效彙整,以AI Agent重構原有的 CRM 管理流程,高度自動化服務品質與客戶轉化效率。

目錄大綱

推薦序
作者序
作者簡介
前導圖


PART I AI Agent的核心概念與實作
CHAPTER 00 緒論
少子化帶來的勞動力短缺問題
AI Agent成為勞動力替代品
AI Agent已用在現實生活中
AI Agent的管理與安全性
AI Agent帶來了新型人才的需求


CHAPTER 01 AI Agent與LLM_新人與職業角色介紹
單元摘要
大語言模型也需要像人力銀行的地方——Model Card與Bedrock Model Catalog
 找LLM就像求才一樣
 模型的自我介紹——Model Card
人才很多元,不同角度看都可以──Model的計價方式
英雄不論出身,遇事才知道適不適合──Model Compare
人會因為經歷不同,LLM也會因為資料集而不同
人才遴選跟模型評鑑其實很類似,市場上開始有些第三方依循的角度
單元結論
相關認證考題
技術關鍵字


CHAPTER 02 用Prompt來約束LLM_工作規範的必要性
單元摘要
職業角色的自我修養與企業規範──Prompt 與 Prompt Management
 演員的自我修養──史坦尼詩拉夫斯基
 LLM需要Prompt來做約束引導
規範的寫法也是一門學問──Prompt Engineering
 只有職業角色描述的客服規範。Zero-Shot
 除了職業角色描述,還添加了範例回應。Few-Shot
 以模板的方式,填充字樣。Instruction-Template
 引導性思考的規範。Chain-of-Thought
學習重點回顧
相關認證考題
技術關鍵字


CHAPTER 03 Knowledge創造AI Agent的獨特性_產品特點要看產品手冊
單元摘要
公司資料好多種,該用哪一種──Knowledge data type
 沒有專業經驗的專家,還是專家嗎?
 資料的應用場景差異
資料檢索方式的變遷
資料向量化
向量資料庫
使用向量資料庫時常看到的查詢參數──撈資料也有訣竅!
 常見的向量資料提取參數
老闆、秘書與秘書的記事本──檢索增強生成(RAG)架構
 人類世界對於資料先處理,記起來,後查詢
 AI世界對於資料先向量化,後存放,再查詢
學習重點回顧
相關認證考題
技術關鍵字


CHAPTER 04 Tool串接第三方資訊系統_專業的事,就找專業的外包廠商
單元摘要
人要找廠商合作──LLM要串接外部資訊系統
 我們做沒效率,就找外面廠商
 找外面廠商,要打電話、寫信、約吃飯?
API, MCA, A2A 三大類工具的應用場景差異
 兼容傳統Web資訊系統的API
 兼容多種不同型態系統的MCP
 把其他AI Agent變成溝通工具──A2A
AI Agent 整合多個資訊應用系統的好處
 人類世界的工作互動方式
 讓主管像分派任務給執行者那樣,分配給AI Agent
 搭配Tool之後的多種應用情境──如標案偵測
 考試愛考的AWS相關Tool
學習重點回顧
相關認證考題
技術關鍵字


CHAPTER 05 Memory對用戶打造客製化服務_好客人上天堂,奧客住套房
單元摘要
記得每個用戶是應用的關鍵
 客戶的行為,讓貫玄產生了印象
 要讓AI Agent對客戶的行為產生印象
記憶的類型
 聊天所產生的氛圍感──Context of Round
 Context of Round的缺點
 簡便的標籤型記憶──Variable
 重複性行為的記憶──Database
學習重點回顧
相關認證考題
技術關鍵字


CHAPTER 06 Workflow把業務流程穩定自動化_開公司就需要SOP把常態任務穩定化
單元摘要
工作SOP與Workflow
 人類世界靠工作SOP確保產出品質
 AI Agent靠Workflow確保產出的品質
 未來會有Workflow監管的新職能
AI Agent Workflow的強項
 業務邏輯的判斷不再是單純規則式判斷
學習重點回顧
相關認證考題
技術關鍵字


CHAPTER 07 核心概念回顧
核心概念篇的回顧與尚需知道的觀念一覽

 
PART II AI Agent的進階議題
CHAPTER 08 透過AWS_Bedrock了解AI Agent各個環節
單元摘要
企業的AI Agent需要串接多種語言模型,供彈性切換
 企業用人多元,不同能力的人做不同的事,AI Agent也是
 Bedrock與JumpStart讓用戶可選擇多種模型
 各類模型常見的共同參數
Prompt的惡意攻擊方式
 Prompt攻擊的種類
保護AI Agent的方法
 為Prompt引入XML標籤作內容區分
 在XML標籤內做salt加密
 透過Guardrail做內容審查
AI Agent的效能評核檢測
 Bedrock提供了BertScore作為評分
 市場上常見的測試資料集與方法論
 不同的情境用不同的測試資料集與方法論
監控、倫理、標準與法規
 資安方法很多元,但要有公認規則認可
學習重點回顧
相關認證考題
技術關鍵字


CHAPTER 09 AWS提供的Knowledge解決方案
單元摘要
向量資料庫選型的角度
 資料庫的選型思考角度
 資料庫運行的成本
資料庫的欄位結構設計
 向量資料庫的典範──李敖分屍法
 向量資料庫把資料切成多個區塊
 向量資料庫透過Metadata做向量與傳統搜尋的混合
資料匯入前的整理
 資料Chunk大小的配置思路
 Embedding模型的使用、版本記錄與測試
資料檢索策略的設計
 向量資料檢索的方案
 透過設定Top K,對準確度進行微調
 對資料設定閥值做過濾,並對取出的資料作排序
Embedding模型的替換與版本管理
 Embedding模型也有使用壽命
 Embedding模型的優化辦法
監控與效能追蹤建議(Embedding Drifts)
 流行用語一直變,向量相似度也會受影響
 透過監控查詢結果,即時掌握Embedding Drift的狀況
AWS向量資料庫的解決方案
學習目標回顧
相關認證考題
技術關鍵字


CHAPTER 10 透過SageMaker 家族打造AI Agent生態系
單元摘要
透過SageMaker 生態系打造企業大模型,再優化AI Agent
 SageMaker Canvas──視覺清洗工作流
 SageMaker Ground Truth──資料標籤校正
 SageMaker Feature Store──標籤管理區
 SageMaker Studio──程式編寫與建模
 SageMaker Model Registry──模型存放管理
 JumpStart – Serverless──調度推論模型
 SageMaker Model Monitor──模型使用監控
學習重點回顧
相關認證考題
技術關鍵字


CHAPTER 11 企業助手_Q
單元摘要
Amazon Q──AWS提供的企業級AI Agent
 經典的檔案分析與對話功能──upload and chat
 AI Agent必備的Knowledge
 預防Q講出不存在的東西──Hallucination mitigation
 把Q鑲嵌在公司的產品或網頁上──Q embedded
 讓Q去調度外部系統──Plugin
學習重點回顧
相關認證考題


CHAPTER 12 新時代的AI應用案例展示_Simulearn
單元摘要
雲育鏈舊生持續學習的利器──Skill Builder
AWS Industry Quest──宏觀了解一個產業對雲端的需求
 以公司高層的角度看各部門的問題與需求
 業務情境的相關知識與影片介紹
 免費安全的實作環境
Simulearn新世代的AI產品──閃電霹靂車的阿斯拉
 在資訊系統內植入AI Agent
 使用資訊系統時,AI Agent提醒與協作
AI Agent仍需要有完整架構觀的人來帶領
學習重點回顧


PART III AI Agent的技術實作案例
CHAPTER 13 導讀
AI Agent平台選型
教材包取得
單元導覽


CHAPTER 14 在AWS上搭建Dify AI平台
實作目標與綱要
素材及關鍵參數
工作流程解析
實作過程
 IAM-權限管理-建立使用者群組與帳戶
 VPC-網路配置-建立放置機器的虛擬網路機房
 EC2-虛擬機器-建立虛擬機器
 連入到EC2虛擬機內
 佈署Dify應用,連到Dify頁面,配置管理者帳密登入
 建立IAM Role給EC2虛擬機,讓Dify有權限可以調度AWS Bedrock
 先在AWS Bedrock啟動模型,在Dify設定模型供應商,串接AWS Bedrock
 建立第一個Agent並使用AWS Bedrock模型進行對話測試


CHAPTER 15 透過CloudFormation打造Dify環境
業務應用情境
工作流程解析
實作資料
實作過程
 透過CloudFormation搭建Dify環境
 啟用Bedrock提供的大語言模型
 找到Dify應用的IP,並登入
單元作業與衍伸目標


CHAPTER 16 透過Bedrock的Embedding模型做Knowledge
業務應用情境
工作流程解析
實作資料
實作過程
 在Dify建立Knowledge
 選用合適的Embedding模型
 對Knowledge進行測試
 引用至Dify的AI Agent
單元作業與衍伸目標


CHAPTER 17 透過Apps Script為公司內部打造一個AI可用的微型小資料庫
業務應用情境
工作流程解析
實作資料
實作過程
 建立Spreadsheet
 啟用該Spreadsheet的Apps Script
 把Apps Script的程式碼部署成Web API
 第一次在Dify調度該API
 設定人類以自然語言方式,填入資料
 透過Dify讀取Spreadsheet內的資料
單元作業與衍伸目標


CHAPTER 18 Dify搭配AWS Bedrock做語音自動監聽助理
業務應用情境
工作流程解析
實作資料
實作過程
 安裝AWS Tool,用來串接AWS資源
 匯入教材包的Workflow
 設定語音客服助理路線
 測試Workflow的效果
單元作業與衍伸目標


CHAPTER 19 Dify做考題辨識幫手
業務應用情境
工作流程解析
實作資料
實作過程
 安裝用來調度AWS資源的AWS Tools
 匯入Workflow設定檔
 環境參數配置
 上傳圖片進行視覺辨識
單元作業與衍伸目標


CHAPTER 20 Dify搭配AWS做Guardrail配置
業務應用情境
工作流程解析
實作資料
實作過程
單元作業與衍伸目標


CHAPTER 21 運用MCP調度第三方工具
實作目標與綱要
素材及關鍵參數
工作流程解析
實作過程
 註冊並登入Zapier
 生成MCP Server URL
 設定好Zapier內Action的發信操作
 設定MCP-SSE外掛並設定為Zapier MCP Server URL
 建立Agent並完善Prompt,讓Agent調度MCP-SSE外掛工具
 測試用對話來進行發信操作
單元作業與衍伸目標

最後瀏覽商品 (20)