Vibe Coding AI 應用開發證書課程
影片課程隨時開始。

解說註冊並登入GitHub帳戶的重要性，為日後使用AI Agent輔助寫程式做準備。

透過命令提示字元啟動Jupyter Notebook伺服器，並示範建立第一份筆記本進行開發。

講解變數定義、資料型別轉換，以及運用 f-string 與 input 功能設計互動式問題。

示範如何建立多個分數的清單，並用For迴圈及If條件判斷逐一檢查成績及格與否。

解說如何用 def 關鍵字打包重複的程式碼成為函式，並正確使用 return 回傳結果。

將寫好的功能程式碼抽出，利用VS Code獨立存成 MyModule.py 以方便日後重複呼叫。

示範如何用 import 語法將自訂的函式庫倒進Notebook中，並實際丟入分數進行測試。

介紹如何匯入Python內建的datetime模組來取得並格式化系統時間，以及基本math運算。

透過提供詳細的Prompt給AI(Gemini)，自動產生出能讀取並解析CSV檔案內容的Python函式。

再次向AI下達進階指令，將計算完成的成績等級結果，自動寫出並儲存為全新的CSV檔案。

示範使用免安裝的Google Colab雲端環境，並教學如何將本機檔案上傳至雲端以進行操作。

回到本機端，利用VS Code內的AI助理(Agent)，結合規格表完成佣金計算的自動化程式碼。

總結自動化生成與執行腳本的開發流程，並示範最後在CMD中成功執行Python檔案的步驟。

介紹如何使用 NVM 安裝並管理 Node.js 環境，以順利啟動 OpenCode AI 編程工具。

示範在 VS Code 的終端機內輸入指令開啟 OpenCode，並設定提示詞自動生成程式碼。

透過提示詞要求 AI 更改原有 Python 問候程式，加入年齡判斷的邏輯功能。

運用上傳的文字資料，指示 AI 撰寫一段能夠自動計算業務員佣金的 Python 程式碼。

介紹 Streamlit 工具，讓 AI 將原本的 Python 終端機程式轉換成網頁使用者介面 (UI)。

利用 Streamlit 介面加入檔案上傳 (File Uploader) 功能，讓使用者能上傳文字檔以計算佣金。

介紹 Hugging Face 平台的豐富資源，並講解文字、影像及語音生成的 AI 任務分類。

指導如何下載白皮書 (White paper) PDF，並使用 AI 模型進行內容重點摘要 (Summarization)。

示範註冊 Mistral AI，獲取 API 密鑰並將其設定於 .env 環境變數檔案中進行呼叫。

講解分類任務中的關鍵字萃取 (Keyword Extraction)，並推薦合適的開源 AI 模型。

結合 Web Scraping 與 AI，開發一套能從 BBC News 等網址自動抓取內文並萃取關鍵字的工具。

說明 Hugging Face Transformers 函式庫的功用，及其與底層 PyTorch 等神經網路框架的關係。

為解決本地電腦硬體資源不足的問題，導師示範如何使用 Google Colab 免費 GPU 環境測試程式。

解釋 AI 模型的上下文視窗 (Context Window) 上限，以及滿載時導致 AI 忘記歷史對話的原因。

總結如何讓 AI 先行摘要內容或利用 MD 檔保存對話紀錄，以克服記憶遺失的限制。

導師引導學員進入工作資料夾並透過終端機開啟 VS Code 準備開發環境。

介紹 LangChain 作為開發 LLM 應用的核心框架及其在 Web 開發架構中的角色。

使用動物、貓與狗的類別範例，說明物件導向中屬性、方法與繼承的概念。

指導學員透過指令安裝 LangChain 及 Gradio 等後續實作所需之 Python 套件。

實作建立 Mistral LLM 模型物件，並測試發送簡單問題以驗證 API 連線。

結合 Gradio 讓原本的純文字對話轉變為具備網頁互動介面的聊天機器人。

講解如何使用 Prompt Template 設定變數，減少重複輸入相同提示詞的繁瑣步驟。

進一步升級 UI，加入下拉式選單讓使用者可以指定輸出語言。

介紹 Output Parser 的概念，並實作 Markdown List 讓 AI 的回覆以條列式呈現。

匯入對話記憶體模組，讓聊天機器人在當次連線中能夠記住使用者的歷史對話。

為了獲得更穩定的進階功能支援，導師引導學員註冊並改用 DeepSeek 模型進行實作。

解決 In-Memory 斷線即消失的問題，改用 SQLite 資料庫儲存使用者的歷史對話。

簡單解釋如何透過私人資料庫訓練 AI，以補足互聯網上缺乏的內部企業資訊。

說明 AI 呼叫工具的機制，並帶領學員實作具備加減乘除功能的數學運算工具。

實作 SerpAPI 讓 AI 機器人擁有連接網際網路獲取最新資訊的能力。

課程尾聲介紹將文字轉化為向量數字並儲存於 Vector Store 中，作為未來 RAG 進階操作的基礎。

導師指引學員開啟 VS Code，準備指定資料夾並啟動 Command Prompt 以運行 OpenCode 開發環境。

透過 Prompt 建立 LangChain 基礎對話箱，並示範如何將 Mistral 與 DeepSeek 的 API Key 安全儲存於 .env 檔案中。

為 HR Assistant 加入第一個功能工具，使其能夠根據輸入的起始與結束日期，自動計算並扣除週末的工作天數。

將對話程式轉換為 Agent 模式，利用自然語言對話收集使用者的姓名、電郵及請假日期，並進行資料確認。

介紹如何取得 Google 帳號的 App Password，並於程式中加入發送請假確認電郵之工具模組。

利用 PDF 文件與 ChromaDB 向量資料庫，為助理加入檢索增強生成(RAG)功能，以準確回答公司內部人力資源政策。

導師示範在建立資料庫過程中遇到模組錯誤時，如何將錯誤訊息回傳給 AI 進行快速除錯與修正。

測試 HR Assistant 是否能精準讀取 PDF 資料並正確回覆經理特休天數等政策問題，完成第一個應用專案。

開啟新的開發資料夾，建立第二個應用程式「會議室預約系統」，並設定對話介面與助手角色。

教導學員利用 SQLite 資料庫儲存預約人姓名、電郵、會議目的與時間，並設定衝突檢查機制阻擋重複預約。

在預約系統中加入顯示功能，使應用程式能透過表格清晰列出特定日期區間內的所有會議室預約紀錄。

展示如何使用 VS Code 內建的 AI 代理工具，直接在編輯器中下達指令快速變更並儲存程式碼。

透過提示詞要求 AI 在預約紀錄表格旁加入修改 (Modify) 與刪除 (Cancel) 按鈕，完善系統的 CRUD 操作。

開展第三個專案，設定心理健康助手角色，並安裝語音辨識套件以支援麥克風語音輸入與對話互動。

總結課程中所學的語言模型應用、RAG 資料擷取與 Agent 工具調用技巧，鼓勵學員將其應用於日常業務自動化中。