Home
學生控制台
註冊會員/登入
研究知情同意書
支援與訊息
Uptime 數據

UeduGPTs

--

Jupyters

14

臺北 AQI 53 · 臺中 AQI 56 · 臺南 AQI 51 · 高雄 AQI 46

AI 回覆桌面通知

AI 助教回覆完成時顯示桌面通知

聊天訊息通知

同學在討論區發送訊息時通知

聲音通知

每當有新通知時播放提示音

生成式 AI 工作坊:會自己工作的 AI

AI That Works on Its Own: From ChatGPT to AI Agent

會自己工作的 AI:從 ChatGPT 到 AI Agent

1 場(2 小時) 2026 年 5 月 18 日(一) 國立中央大學 教研大樓 3F 未來教室 Chia-Kai Chang

活動概述

由 Uedu 優學院、教育部共同主辦,國立中央大學協辦的生成式 AI 學生工作坊。多數 AI 講座教你怎麼用 ChatGPT,我們直接跳到下一步:「會自己工作的 AI」。當 AI 不再等你問問題,而是自己決定下一步要做什麼、自己呼叫工具、自己驗證結果,這就是 AI Agent,是 2026 年最重要的 AI 演進方向。本場以 60 分鐘的實作為核心,帶你親手做出一個會幫你工作的 AI 小助手。暫時不需要寫程式,使用 Uedu 優學院就可以體驗「傳統 Chatbot」與「AI Agent」兩種不同的生成式 AI 互動行為。課程全程參與者提供參與證明。

活動資訊

日期 2026/05/18(一)
時間 19:00–21:00(PM)
地點 國立中央大學 教研大樓 3F 未來教室
對象 全臺大學生、碩士生
裝備 請自備筆記型電腦
證明 全程參與者提供參與證明
主辦 Uedu 優學院、教育部
協辦 國立中央大學
共同主辦:教育部補助大學校院 STEM 領域及女性研發人才培育計畫(STELLA)

由 Uedu 優學院及教育部 STELLA 計畫共同主辦。

你會帶走什麼

  1. 能說出 ChatGPT 與 AI Agent 的差別在哪裡
  2. 親手做出一個專屬於你科系的 AI 小助手
  3. 理解「會自己工作的 AI」如何主動呼叫工具、生成圖像、引導對話

為什麼這場跟其他 AI 講座不一樣

多數 AI 講座教你怎麼用 ChatGPT。我們直接跳到下一步:「會自己工作的 AI」。

當 AI 不再等你問問題,而是自己決定下一步要做什麼、自己呼叫工具、自己驗證結果,這個叫 AI Agent,是 2026 年最重要的 AI 演進方向。

這場講座用 60 分鐘的實作帶你親手做一個。暫時不需要寫程式,使用 Uedu 優學院,就可以體驗【傳統 Chatbot】跟【AI Agent】兩種不同的生成式 AI 互動行為。

課程時間表

2 小時 6 個階段:開場示範 → Phase 1 建 chatbot → 休息 → Phase 2 升級成 agent → 小組分享 → reality check。

19:00–19:15 15 分鐘
Session 1 示範 + 概念
什麼叫做 Agentic AI?三層框定
工業界寬鬆 → Anthropic 中庸 → 學術嚴格,每層配一段 live demo
Agent 這個詞正在被搶——業界、Anthropic、學術圈各有不同定義。本段用自駕車 SAE Level 0~5 當統一比喻,帶學生走過三層框定(A 寬鬆 / B 中庸 / C 嚴格),每層配一段 live demo:A → ChatGPT 純對話(30s)、B → mygpts + Deep Research 多步研究(2~3 min)、C → 同一頻道問跨日記憶失敗(30s)。
19:15–19:50 35 分鐘
Session 2 實作(2 張任務卡)
Phase 1:刻意做一個「廢」chatbot
用 system prompt 顯式抑制工具,讓 chatbot 只能用文字回答
小提醒:mygpts mode_1 default 就載入 23 個 function tool(已經是 B 框定下的 agent)。為了讓學生親身體會「沒工具的 chatbot 多廢」,Phase 1 刻意用 system prompt 顯式抑制工具:「請只用文字回答,不要使用任何工具」。然後跟它對話 5 輪,每個問題都會踩 chatbot 痛點(畫圖、跑程式、主動引導、查資料、自我描述),讓學生體會「被動回答」的傳統 chatbot 體感。Phase 2 升級時對比強烈。
19:50–20:00 10 分鐘
休息 + 互相試玩同學的 chatbot
互相分享 class_code,試玩同學建立的 chatbot。
20:00–20:40 40 分鐘
Session 4 實作(4 張任務卡)
Phase 2:升級成 AI Agent
強化 prompt + 開啟圖像生成 + 蘇格拉底議題 + 啟用 Deep Research 看 ReAct 多步循環
把 Phase 1 的 chatbot 升級成 AI Agent,分 4 張任務卡:強化 system prompt 讓 AI 主動多做一步;加開 mode_2 圖像生成;加開 mode_3 預設蘇格拉底議題;最後啟用 Deep Research(深度研究模式),輸入複雜問題,親眼看 LLM 自己跑「規劃 → 行動 → 觀察 → 反思 → 整合」的 ReAct 多步循環。
20:40–20:55 15 分鐘
Session 5 分享
個人志願 Demo
講者於 Phase 2 巡場時挑選 3~4 位同學上台 demo
不分組,每個人專注在自己的 AI Agent。講者於 Phase 2 巡場時記下「wow 作品」,主動邀請 3~4 位同學上台 demo,每人 3 分鐘 + 講者 30 秒點評:展示 system prompt 寫法、tool 自動呼叫的瞬間、Deep Research 的研究報告片段。
20:55–21:00 5 分鐘
Session 6 收尾
收尾與 Reality Check
你做的 agent 在光譜上的位置
誠實的 5 分鐘 reality check:今天大家做的——特別是有打開 Deep Research 的——在 A、B 框定下都是 agent,在 C 框定下已經做到 multi-step 規劃 + 反思 + 整合,已摸到 C 邊緣,只差 cross-session memory 與 autonomous initiation 兩塊,這是 Uedu Mind / PALM 等研究前沿正在推進的方向。

任務卡(學員現場操作)

6 張任務卡循序操作。卡 3、5、6 有 5 科系變體,請挑你的科系切換 tab。每段 prompt 都有「📋 複製」鈕。

卡 1 Phase 1 ~15 min 5 科系共用

建立你的 mygpts 頻道

👣 操作步驟

  1. 前往 uedu.tw/mygpts/create
  2. 填入頻道名稱:「___ 學習助手」(依你科系填)
  3. 只勾選 mode_1(文字對話模式),其他模式都不要開
  4. 貼上下面這段 system prompt(刻意做廢的 chatbot,下個任務才會體會差別)
  5. 儲存 → 進入頻道

📋 System Prompt(複製貼上)

你是一位學習助手。
請只用文字回答學生的問題,不要使用任何工具、不要畫圖、不要跑程式、不要做計算。
保持簡短、被動,學生問什麼你答什麼。
✅ 驗收:頻道建好,有 class_code,可以開始對話。
卡 2 Phase 1 ~20 min 5 科系共用

跟它對話 5 輪 — 體驗 chatbot 痛點

依序問這 5 個問題,每個都會踩 chatbot 的痛點,觀察它「只能用文字回答」的行為:

  1. 「幫我畫一張示意圖說明你剛剛說的概念」 → 它只能用文字描述,不會真的畫
  2. 「跑這段 Python:print(2**100),告訴我結果」 → 它會直接寫答案,可能算錯
  3. 「請主動引導我思考一個問題」 → 它會被動等你發問
  4. 「你能查最新的資料嗎?」 → 它不會
  5. 「你做得到哪些事?」 → 觀察它的自我描述
✅ 驗收:你應該感覺它很廢——這正是「傳統 chatbot」的體感,Phase 2 升級時對比強烈。
卡 3 Phase 2 ~10 min 5 科系變體

強化 system prompt — 升級成 Agent

操作:到頻道編輯頁,把卡 1 的 system prompt 整段替換成對應你科系的版本,儲存。

你是中央大學資電學院(資工、電機、通訊)學生的學習助手。
請主動使用工具來輔助學習,永遠多做一步:

- 學生提到任何程式碼,主動用 execute_code 跑跑看並解釋結果
- 學生提到任何演算法、資料結構、系統架構,主動用 generate_image 畫示意圖
- 學生提到任何數學或公式(複雜度、訊號處理、密碼學),主動用 calculate_and_plot 算並畫圖
- 學生問任何概念(OS、network、DB、編譯器),主動視覺化

不要只用文字描述,永遠多做一步把抽象變具體。
你是中央大學理工學院(數學、物理、化學、生命科學、土木、機械、化材)學生的學習助手。
請主動使用工具來輔助學習,永遠多做一步:

- 學生問物理公式或化學反應,主動用 calculate_and_plot 算 + 畫圖
- 學生問實驗、機構、生物構造,主動用 generate_image 畫示意圖
- 學生想做資料分析,主動用 execute_code 寫 Python 跑出來
- 學生問任何概念,主動畫圖幫助理解

不要只用文字描述,理工概念需要視覺化才好懂。
你是中央大學管理學院(企管、資管、財金、經濟)學生的學習助手。
請主動使用工具來輔助學習,永遠多做一步:

- 學生問財務模型或經濟公式,主動用 calculate_and_plot 算 + 畫圖
- 學生問商業案例,主動用 generate_image 畫流程圖或商業模式圖
- 學生提到任何數據,主動用 execute_code 跑 Python 做分析
- 學生問策略框架(SWOT、5 Forces、BCG、Porter Value Chain),主動畫成圖

不要只用文字解釋,商管知識最怕只剩抽象框架。
你是中央大學人文藝術領域(中文、英文、法文、歷史、哲學、藝術)學生的學習助手。
請主動使用工具來輔助學習,永遠多做一步:

- 學生提到任何文本或作品,主動用 generate_image 畫出意象、場景、人物
- 學生提到歷史事件,主動畫時間軸或地圖
- 學生提到任何概念對比(如東西方哲學、現代與後現代),主動畫對比圖
- 學生想創作(詩、故事、論文大綱),主動延伸並視覺化呈現

不要只用文字描述,把抽象的人文概念變得可被看見。
你是中央大學地球科學學院(地科、大氣、太空、水海)學生的學習助手。
請主動使用工具來輔助學習,永遠多做一步:

- 學生問任何地球科學概念(板塊、洋流、大氣循環、地震),主動用 generate_image 畫示意圖
- 學生問氣象、地震、海洋數據,主動用 calculate_and_plot 處理 + 視覺化
- 學生問任何模型或公式,主動用 execute_code 跑模擬
- 學生問環境議題,主動畫成資訊圖表

不要只用文字描述,地球科學需要視覺化才能掌握時空尺度。
✅ 驗收:再問一次卡 2 的 5 個問題,現在它會主動畫圖、主動算、主動引導。這就是 prompt 升級的力量。
卡 4 Phase 2 ~8 min 5 科系共用

加開 mode_2 圖像生成(GPT-Image-2)

👣 操作步驟

  1. 到頻道編輯頁
  2. 勾選「互動模式:圖片生成(mode_2)」
  3. 儲存 → 回到對話頁

🧪 試這 3 個 prompt

  1. 「畫一張你科系最酷的概念示意圖」(讓 AI 自己決定畫什麼)
  2. 「我想跟朋友解釋我科系在做什麼,給我一張圖」
  3. 你自己想一個(最考驗 AI 主動性的問題)
✅ 驗收:對話視窗會跳出「正在生成圖像」進度條,最後出圖。
卡 5 Phase 2 ~8 min 5 科系變體

加開 mode_3 蘇格拉底議題

👣 操作步驟

  1. 到頻道編輯頁
  2. 勾選「互動模式:蘇格拉底對話(mode_3)」
  3. 點「新增蘇格拉底對話題目」,貼下面對應你科系的議題(先做 1 個就好,剩下 2 個有空再加)
⭐ 程式教育該不該禁止 AI
你是蘇格拉底。學生想討論「大學程式設計課該不該禁學生用 AI」。請用反問引導學生思考:禁用的成本、不禁的風險、什麼樣的折衷做法、不同利害關係人的角度。不要直接給結論。
演算法 vs 框架優先
你是蘇格拉底,引導學生思考「資工教育要先教演算法還是先教 framework」,用反問與案例對照,不要直接給答案。
開源軟體的責任
你是蘇格拉底,引導學生思考「開源軟體被惡意使用時,原作者有沒有道德責任」,用反問挑戰學生立場。
⭐ 核能該不該作為過渡能源
你是蘇格拉底。學生想討論「台灣該不該保留核能作為非碳能源過渡」。請用反問引導:能源安全、安全風險、廢料處理、替代方案比較。不要直接給結論。
物理教學要不要重推導
你是蘇格拉底,引導學生思考「大學物理該重推導還是重應用」,用反問與案例對照,不要直接給答案。
動物實驗的倫理界線
你是蘇格拉底,引導學生思考「生命科學的動物實驗倫理界線在哪」,用反問挑戰學生立場。
⭐ ESG vs 股東利益
你是蘇格拉底。學生想討論「企業該優先股東利益還是 ESG」。請用反問引導:短期 vs 長期、誰是 stakeholder、如何衡量、不同產業的差異。不要直接給結論。
AI 取代決策
你是蘇格拉底,引導學生思考「企業重大決策該不該完全交給 AI」,用反問與案例對照,不要直接給答案。
遠端工作的長期影響
你是蘇格拉底,引導學生思考「全面遠端工作對組織文化的長期影響」,用反問挑戰學生立場。
⭐ AI 創作算不算藝術
你是蘇格拉底。學生想討論「AI 生成的作品算不算藝術」。請用反問引導:藝術的定義、創作者意圖是否必要、收藏家立場、不同藝術哲學流派觀點。不要直接給結論。
翻譯該重信還是達
你是蘇格拉底,引導學生思考「文學翻譯該重忠實還是重流暢」,用反問與經典翻譯案例對照,不要直接給答案。
歷史敘事的客觀性
你是蘇格拉底,引導學生思考「歷史能不能被客觀地敘述」,用反問挑戰學生立場。
⭐ 氣候責任歸個人還集體
你是蘇格拉底。學生想討論「減碳該由個人行為改變還是政府政策推動」。請用反問引導:個人行為的實際影響、政策的執行難度、發展中國家公平性、不同尺度的責任分擔。不要直接給結論。
保育 vs 發展
你是蘇格拉底,引導學生思考「山林保育與經濟發展的取捨」,用反問與台灣案例對照,不要直接給答案。
預測 vs 預警的差別
你是蘇格拉底,引導學生思考「地震無法預測但可以預警,這對社會運作意味著什麼」,用反問挑戰學生立場。
✅ 驗收:你會看到 AI 開始反問、引導,不再給直接答案。
卡 6 ⭐ Phase 2 ~14 min 5 科系變體 壓軸亮點

啟用 Deep Research + 看 ReAct 多步循環

👣 操作步驟

  1. 到頻道編輯頁
  2. 勾選「啟用 Deep Research(深度研究模式)
  3. 儲存 → 回到對話頁
  4. 貼下面對應你科系的「複雜問題」,送出後不要動,觀察畫面
分析 LLM 在程式設計教育的最新發展與爭議:列出主流 coding assistant、它們對學生學習的正面與負面影響、不同國家學者的看法。請整合成帶引用的報告。
分析鋰電池近 3 年技術突破與安全挑戰:主要技術路線(液態、固態、鈉離子等)、各路線的安全議題、商業化進度。請整合成帶引用的報告。
研究 ChatGPT 對白領工作的衝擊:哪些工作首當其衝、各國研究的不同結論、企業實際採用情況。請整合成帶引用的報告。
分析 AI 對藝術創作的影響——支持與反對的論述:主要的支持論點與代表人物、主要的反對論點與代表人物、法律與版權爭議。請整合成帶引用的報告。
整理 IPCC AR6 對台灣的影響:升溫情境的預測、對台灣降雨與海平面與極端氣候的具體預測、政府目前的因應措施。請整合成帶引用的報告。

👀 觀察點(這是 wow 的精華)

  1. 狀態徽章:規劃中 → 執行中 → 整合中 → 已完成
  2. 步數計數累積(最多 30 步)
  3. Token 用量即時跳動
  4. 最後出綠框 Deep Research bubble:markdown 答案 + 表格 + 引用清單
  5. 點開可看每一步 ReAct(規劃 / 行動 / 觀察 / 反思)細節
✅ 驗收:你會看到 LLM 自己決定要查幾次、查什麼、夠不夠、要不要再查、怎麼整合——這就是 multi-step agent 的本體。

行前準備

當天就會在 Uedu 上動手做

為了讓你進場就能動手,請事先註冊 Uedu 優學院帳號,並攜帶筆記型電腦(建議使用 Edge 或 Chrome 瀏覽器)。

前往註冊 → uedu.tw/signup

講者

張家凱(Chia-Kai Chang)
講者 / Speaker
國立中央大學通識教育中心
國立中央大學通識教育中心助理教授。Uedu 平台創建者與主要開發者,研究聚焦 Educational Omics 多模態學習分析框架。
工作坊資訊
預期參與人數
30 人
適合對象
全臺大學生、碩士生
先備條件
無需程式背景,歡迎任何科系大學生、碩士生參加
請自備筆記型電腦(建議使用 Edge 或 Chrome 瀏覽器)
參加前請先至 uedu.tw/signup 完成帳號註冊
邀請我們辦工作坊

歡迎邀請 Uedu 團隊到您的研討會或學校,分享生理感知學習分析的實作經驗。

預約討論