Graph Engineering AI 課程

實體AI教學課程內容

課程簡介

Graph Engineering AI 是新一代 AI 系統設計方法，核心在於把任務、狀態、知識與工具以「圖」的方式組織起來，讓 AI 不再只是單次問答，而是能夠進行多步推理、狀態編排與關聯式決策。

本兩小時精華班將帶領學員從圖工程的基本概念出發，理解 Graph 在 AI Agent、知識圖譜、工作流編排與多代理協作中的角色，並透過實戰案例，學會如何把複雜任務拆解成可視化、可維護、可擴充的圖式架構。

課程目標

• 理解 Graph Engineering 在 AI 系統中的定位與價值。

• 學會分辨圖結構資料、知識圖譜與 Agent 工作流的差異與連結。

• 掌握如何用圖思維設計 AI 任務編排、狀態轉移與多節點協作。

• 能夠用一個實際案例，把原本線性的 AI 任務改寫成圖式流程。

適合對象

• AI 工程師、產品經理、資料科學家與系統架構師。

• 想把 AI Agent、RAG、知識庫與工作流整合起來的開發者。

• 需要處理關係型資料、流程複雜性或多代理協作的進階使用者。

課程時間配置（2 小時）

• 第 1 小時：Graph Engineering 基礎概念與 AI 應用。

• 第 2 小時：AI Agent Graph 設計與實戰案例。

單元一：Graph Engineering 的核心概念（約 20 分鐘）

• 什麼是圖工程：節點、邊、屬性與子圖的基本概念。

• 圖資料為何適合 AI：天然表示關係、流程、知識與依賴。

• Graph vs. Linear Workflow：線性流程與圖式流程的差異。

單元二：Graph 在 AI 的三種應用（約 25 分鐘）

• 知識圖譜：把實體、關係與推理規則組織成可查詢的知識網絡。

• Agent Graph：把任務拆成多個節點，讓 AI 依狀態轉移執行。

• 工具圖與工作流圖：把 API、工具、判斷節點與回饋節點串成可維護架構。

單元三：AI Agent 的圖式設計方法（約 30 分鐘）

• 任務拆解：將複雜任務轉成節點與邊。

• 狀態管理：每個節點保存輸入、輸出與中間狀態。

• 路由邏輯：根據條件決定下一個節點走向。

• 錯誤處理與回圈：如何設計重試、分支與回退機制。

單元四：Graph Engineering 實戰案例（約 30 分鐘）

• 案例一：AI 研究助手

  • 資料蒐集節點

  • 摘要節點

  • 比較分析節點

  • 報告輸出節點

• 案例二：企業知識問答系統

  • 文件切分節點

  • 實體抽取節點

  • 關係建構節點

  • 問答與回覆節點

• 案例三：多代理協作流程

  • 規劃代理

  • 執行代理

  • 審核代理

  • 修正代理

單元五：設計你的第一個 Graph AI 架構（約 20 分鐘）

• 定義目標任務與核心節點。

• 畫出流程圖與決策路徑。

• 設計輸入、輸出與中介資料格式。

• 思考可擴充性、可追蹤性與維護成本。

單元六：Q&A 與延伸應用（約 15 分鐘）

• 回答學員在 Agent、RAG、知識圖譜與流程設計上的問題。

• 討論 Graph Engineering 如何延伸到搜尋、推薦、企業 AI 與自動化系統。

• 提供課後練習方向，協助學員把一個既有 AI 工作流改寫成圖式架構。