AI上門教學上門AI課程單對單AI教學小班AI教學上門AI教學上門AI班熱門AI課程

本AI課程專為軟體工程師、技術主管及 AI 應用開發者設計，強調「實戰操作（Hands-on）」與「自主 AI Agent 自動化流程」，幫助學員從零掌握這個全球熱門的開源 AI Coding Agent 平台。

課程名稱：自主 AI 程式開發實戰：掌握 OpenHands AI Agent

課程時間分配總覽

時間	單元主題	核心內容	形式
00-20 min	單元一：概念與架構	OpenHands 核心原理與 agentic SDLC 趨勢	概念講解
20-50 min	單元二：快速上手與環境建置	本地 Docker 部署與模型 API（LLM）設定	現場實作
50-80 min	單元三：自主 Agent 實戰開發	Bug 修復、自動測試寫作與 PR 生成	實戰 Demo & 練習
80-110 min	單元四：工作流自動化與進階整合	GitHub Actions、CI/CD 整合與工具擴充	進階案例與實作
110-120 min	Q&A 與總結	企業級安全部署與經驗交流	問答交流

目標：理解 Copilot 與自主 Agent（Autonomous Coding Agent）的本質差異。

AI 輔助開發的新時代
- 從單純 Code Completion（如 GitHub Copilot）演進至 Autonomous Agent（如 OpenHands、Devin）
- 什麼是 Agentic SDLC（Agent 驅動的軟體開發生命週期）？
OpenHands 架構與優勢
- OpenHands 核心機制：Plan（規劃） $ ightarrow$ Execute（執行） $ ightarrow$ Validate（驗證） $ ightarrow$ Ship（發佈）
- 多模型支援（Model-Agnostic）：靈活切換 Claude 3.5/3.7、GPT-4o、DeepSeek、Qwen 等模型
- 安全沙盒（Sandbox Execution）：為什麼 Agent 需要獨立的指令執行環境？

目標：學員能夠在本地或雲端成功啟動 OpenHands 並進行基本的對話與任務下達。

1.環境需求與金鑰配置：建議使用 Docker 隔離環境。

設定 LLM API Key（如 OpenAI、Anthropic 或 DeepSeek），並確保本地 Docker 服務正常運作。

2.啟動 OpenHands：快速部署本地 Workspace。

使用 Docker 指令一鍵啟動 OpenHands 控制台，開啟 Web UI 界面。

3.配置專案與模型選擇：依需求選擇最適模型。

在 UI 中掛載本地代碼庫（Repository），並選擇合適的 LLM 模型與沙盒權限設定。

目標：讓 Agent 獨立解決真實 Codebase 中的問題，並自動驗證結果。

案例一：自動定位 Bug 與修復
- 輸入自然語言描述問題（例如：「users.py 中的 get_user_by_id 在 ID 不存在時會崩潰，請修復它」）
- 觀察 OpenHands 的思考鏈（Chain of Thought）、 terminal 指令執行與檔案修改歷程
案例二：自動編寫單元測試（Unit Test）
- 要求 Agent 針對特定功能補充 pytest / jest 測試案例
- Agent 自動執行測試、捕捉 failure，並自行改修程式碼直至測試完全通過
成果產出：自動提交 Git Commit & PR
- 檢閱 Agent 修改的 Diff 紀錄，並透過指令讓 Agent 自動完成 commit 與開立 Pull Request。

目標：了解如何將 OpenHands 導入團隊真實開發流程中。

GitHub / Slack 自動化整合
- 設定 GitHub Event Trigger：PR 開啟時自動執行代碼審查（Code Review）
- CI/CD 失敗自動修復：當 GitHub Actions 報錯時，觸發 OpenHands 自動修復並提交提案 PR
大型專案與 MCP（Model Context Protocol）擴充
- 利用大型 Codebase SDK 進行跨檔案依賴檢索
- 使用 MCP 讓 Agent 讀取外部工具（如 Jira/Linear 任務卡片、Datadog Logs）
企業級安全性與架構建議
- 私有化部署（VPC / Self-Hosted）
- 權限控管與預算/Token 上限設定

查詢/報讀