卷二：生成式 AI (Generative AI)
本試卷由 ExtranAI 全球 AI 學院（Global AI Academy）設計，重點評估考生在現代生成式 AI 應用方面的理論知識與實踐能力。內容不僅涵蓋基礎的提示工程，還深入探討了 Agentic AI（代理式 AI）、Vibe Coding 及 MCP 框架等前沿概念，旨在培養能夠構建高級 AI 解決方案的專業人才。
主要考核內容
-
生成式 AI 導論 (Introduction to Generative AI)
- 生成式 AI 的概覽、模型與應用。
- 相關的道德規範與風險管理。
- 提示工程 (Prompt Engineering)
- 提示設計的原則與最佳實踐。
- 提示格式、迭代優化及多模態提示 (Multi-modal prompting)。
- 在內容生成與 AI 輔助編程中的應用案例。
- Vibe Coding
- 提示驅動軟件開發 (Prompt-driven software development) 的概念。
- 使用自然語言指令進行 Vibe Coding 的工作流。
- 與代碼編輯器及 AI 模型的集成，以及多模態輸入的使用。
- 代理式 AI (Agentic AI)
- 定義與特徵：自主性、主動性、適應性、協作性與專業化。
- 核心支柱：自主目標追求、規劃與推理、記憶與上下文保留、動態工具使用。
- 與傳統 AI 的區別：有限監督下的決策、實時適應及多步驟任務執行。
- 在企業工作流及 AI 代理協作中的應用。
- MCP 框架 (Model, Code, Prompt)
- MCP 概覽：集成 AI 模型能力、代碼生成/修改及有效提示。
- 應用 MCP 構建高級生成式 AI 應用。
- 結合模型、編程與提示工程以解決複雜問題的最佳實踐。
- 應用生成式 AI 進行編程 (Applied Generative AI for Coding)
- AI 輔助編程技術、調試 (Debugging) 及測試驅動開發 (TDD)。
- 在現實開發中運用 Agentic AI 和 Vibe Coding。
- 系統評估、部署與未來趨勢
- 生成式 AI 系統的評估與部署。
- 新興技術趨勢：語音、視頻、合成數據及交互式代理的演變。
預期學習成果
通過本卷考試的考生應能夠：
- 全面掌握生成式 AI 的概念、模型及其道德風險。
- 設計並優化高效的提示 (Prompts)。
- 運用 Vibe Coding 技術進行 AI 驅動的軟件開發。
- 理解 Agentic AI 原理，包括自主決策與多代理協作。
- 熟練應用 MCP 框架，整合模型、代碼與提示來構建解決方案。
- 具備使用生成式 AI 工具進行編程、調試的實戰能力。
關於 ExtranAI
ExtranAI 是一家總部位於新加坡的領先人工智能集團，也是 ACE 標準考試與環球 AI 學院（Global AI Academy）的創始力量。集團擁有數千個已部署於各行各業的 AI 應用程式，致力於推動 AI 時代的非凡轉型。
更多詳情請瀏覽：
「環球AI能力評測基準考試」（AI Capability Evaluation Standard，簡稱 ACE）: https://extranai.com/ace/standard.php
ExTran AI Global Academy（環球 AI 學院）: https://extranai.com/ai_academy/standard.php