📚 Learning Flow

AI Agent 教學

快速開始（3 分鐘）

系統原理與基礎概念

用 Colab 執行（No Code）

自創 AI Agent

FAQ / Troubleshooting

教學目的

• 歡迎各個領域想參與Aralia生態的老師/研究者，不論是否有工程背景都能藉由Aralia AI Agent協助找尋系統相關的insight ：
  1. 在多個 Data Planet（如 SDG、UN…）中搜尋合適資料集
  2. 對齊時間與地理後拉回可比較的表格
  3. 交給 LLM 生成可閱讀的洞見摘要
• 學完即可不寫程式在 Colab 完成一次實戰；進階者可了解背後的 5 個 Agent 節點與 LangGraph 流程，將流程納入教學/研究。
• 小提醒：把「研究/決策問題」說得越說清楚，Aralia AI Agent 會更貼近的找到必關鍵的insight

完成本教學後，你可以

• 跟AI互動口語問到Insight
  • 獨立運用AI Agent完成一個語意查詢資料的問答（含來源列與限制說明）。
• No Code / Low Code
  • 不用建構開發環境，在我們準備好的 Colab 環境中，no code 跑一次完整流程（或以low code改少數個參數、自訂Prompt）。
• 課程教學
  • 具備把題目放入「範例題庫」並一鍵重跑的能力（利於課堂與復現）。
• 展開AI Agent開發的旅程
  • 開始自行打造AI Agent服務

這堂課你會「實作什麼」

• 最小可行案例（Malaysia GDP × Gini）

  • 問題：

    Is there a relationship between the average GDP growth at purchasers' prices from 2021 to 2024 and the Gini coefficient of each state in Malaysia in 2024?

  • Agent 會做：在 SDG/UN 兩個 Planet 找 GDP 與 Gini，取 2021–2024 與 2024 年資料 → 以「州」為單位對齊 → 回傳表格與洞見摘要。

• 自選題（從「範例題庫」挑一題）
  • 直接複製題庫的完整問題，貼到 Colab 執行；或把國家/年份替換為你課題需要的值。

你會用到的工具與資源

• Colab Notebook：
  • 內含：環境安裝、Secrets 設定（LLM API Key、OAuth）、一鍵跑流程、輸出檢視。
• 題庫資料：已整理成可複製題目。
• Aralia OpenRAG Library（進階）
  • 了解 5 個 Agent 節點與 LangGraph 流程；
  • 進階研究可在 SDK 中改 interpretation_prompt 或自定節點。

背後的流程簡介（看得懂就好，不需硬記）

• 5 個 Agent 節點（由 LangGraph 串接）：
  1. 找資料集（語意檢索）
  2. 規劃分析（決定 x/y/filter 與欄位格式）
  3. 決定過濾條件（把年份/地理補齊成可查詢的參數）
  4. 執行查詢（向 Planet API 拉資料、對齊時間與地理）
  5. 洞見生成（LLM 產出 300 字內摘要，附限制）
• LLM 選擇：Notebook 會依你貼的 API Key 自動挑供應商（Gemini / OpenAI / Anthropic）。
• RAG 與向量化：系統已處理（你無需實作）；你要做的是把問題一次說清楚。

準備好的話，讓我們開始進行第一步吧～

                                                                                                                                 下一章： [快速開始（3 分鐘）](<https://deciduous-centipede-9d7.notion.site/3-261ddf94fd14807ab242e53e68984766>)    →