Study Jam：AI Agent 與 MLOps
Cloud Study Jam AI Agent：Agent 開發、企業應用、MLOps 與 AI 安全
0/9 已讀
- 01 Agent Development Kit：從工具呼叫到可部署 Agent
用 ADK 把模型、工具、Session 與 Runner 組成可測試的 Agent，並補齊權限、錯誤處理、評估與部署前檢查
- 02 Gemini Enterprise 入門：從 Agentspace 到企業代理入口
釐清 Gemini Enterprise app 與 Agent Platform 的定位，從身分、連接器、同步、ACL 到引用驗證，安全接上企業資料
- 03 部署多代理系統：先確認真的需要拆
用 ADK 設計循序、平行與動態委派流程，建立可驗收的交接契約、狀態邊界與故障隔離，再部署到 Agent Runtime
- 04 Agent Assist 與 GenAI：讓客服建議來得及又可信
從即時轉錄、知識檢索、客服審核到通話後摘要，建立有引用、守權限、能量測延遲與品質的 Agent Assist 流程
- 05 企業資料庫 AI Agent：NL2SQL 不等於直接執行
從 QueryData、Schema 語意層到唯讀 View、查詢驗證與人工核准，讓 Agent 能問企業資料，又不繞過既有資料權限
- 06 Generative Playbooks：該用 Flow 還是 Playbook？
從目標、指令、範例、參數到工具護欄，判斷客服流程何時該用 Playbook、何時應留在確定性的 Flow
- 07 Data Store Agent：FAQ 準不準，先看資料
從資料來源、版控、ACL、解析與切片到引用驗證，整理一套能持續維護的企業知識問答上線流程
- 08 Vertex AI 模型評估：不要讓平均分數決定上線
把離線切片、Gen AI 評估、Model Registry、線上實驗、護欄與回滾串成能真正擋住退化模型的發布流程
- 09 AI Agent 安全：別只叫模型「不要洩密」
從 Prompt Injection、工具越權與資料外洩，到 Model Armor、IAM、VPC Service Controls 和人工核准的分層防禦
準備好開始了嗎？
從第一篇開始，循序漸進地掌握完整主題。
