Open Source - AANAI

Angular Agentic Native下一代AI代理人應用開發實務

Building Angular Agentic Native AI Applications
  • 時數：14小時
  • 費用：NT$ 16,000
  • 點數：4.0

選擇查詢分區開課時間

地點 班號 日期 時間 預約

目前查無開課時段

詳細開課時間請洽詢業務
新竹、台中、高雄如有上課需求，請參考台北開課日期，洽當地服務人員依需求加開遠距開課日期

聯絡恆逸

教材

恆逸專用教材

課程目標

這門課不只是將AI整合進Angular，而是從架構層面解決生產環境的嚴苛挑戰。我們將深入Angular最新版本的核心工具，教您如何利用Signals與進階非同步機制建立穩固的資料流與狀態管理，將AI整合從「片段的程式碼實作」提升為「系統級架構決策」。

核心目標在於建構具備代理人 (Agentic) 能力的真實應用。透過linkedSignal精準管理對話歷史、Resource API處理串流資料，並實作Tool Calling賦予AI執行權限。課程強調「人機協作」的實戰模式，協助您建立一套可立即應用於實際專案的完整開發架構藍圖，而非僅止於課堂示範程式。

最後，我們將重點放在「控制AI的不確定性」。利用Zod驗證結構化輸出，並結合Signal Forms建立人工確認機制與優雅降級 (Elegant Degradation) 策略。這些容錯機制是AI應用能否真正交付給使用者的關鍵，確保您的系統在面對LLM的非確定性輸出時，依然能展現企業級的穩定性與可靠性。

適合對象

1.已在使用Angular開發的工程師。

2.熟悉Angular Standalone模式的開發人員。

預備知識

至少上過U2447或熟知U2447、U2448相關知識

U2447：Angular Standalone模式深度探索Part 1

U2448：Angular Standalone模式深度探索Part 2

課程內容

1. 現代Angular與AI開發環境準備

•   Angular v19+ 與Agentic Native代理原生架構簡介

•   設定GitHub Copilot Agent模式與自訂提示詞 (Prompt) 規則

•   整合Angular CLI MCP伺服器實現AI工具雙向互動

•   引入Angular Agent Skills

•   建立符合Strict Types與Standalone規範的開發流程

2. 核心響應式狀態管理與非同步資料流

•   Signals基礎：signal() 與computed() 的可預測狀態轉換

•   使用linkedSignal管理動態AI對話歷史紀錄

•   Resource API實作：將使用者訊號與API請求解耦

•   建立具備載入中 (Loading) 與錯誤 (Error) 狀態處理的響應式架構

3. AI模型串接與現代渲染策略意識

•   分析不同AI SDK技術路線的適用場景 (Firebase AI Logic、Genkit與直接呼叫Gemini API)

•   掌握Firebase AI Logic在前端環境中避免API Key外洩的安全機制

•   Angular應用程式中的Firebase AI Logic初始化設定與實作練習

4.打造代理人能力與Tool Calling的容錯設計

•   Tool Calling核心概念：定義Zod Schema授權AI執行行動

•   實作電商機器人：串接自訂工具函式 (Function Calling)

5. AI結構化資料驗證與新一代表單架構

•   透過response_schema強制LLM輸出結構化JSON資料

•   整合Zod Schema實現TypeScript執行時期型別驗證

•   認識實驗性Signal Forms：欄位狀態訊號化與雙向綁定新語意

•   實作validateStandardSchema進行AI生成資料的表單驗證

學會技能

1.    掌握Angular v19+ 與Agentic Native架構： 能正確配置開發環境，並透過自訂copilot-instructions.md與MCP協定引導AI生成符合規範的程式碼。

2.    熟練高階響應式狀態管理：運用Signals、linkedSignal管理對話歷史，並利用Resource API處理複雜的非同步AI資料流。

3.    實作AI安全串接與串流體驗：透過Firebase AI Logic安全整合LLM，並實作具備打字機效果的Streaming Responses互動介面。

4.    構建代理人Tool Calling能力：利用Zod Schema定義工具規格，授權AI根據需求執行應用程式內的具體任務。

5.    設計容錯與確認機制：在AI執行高風險操作前建立人工確認流程，並實作優雅降級策略以應對LLM服務的不穩定性。

6.    精通結構化資料驗證：強制AI輸出精準的JSON格式，並整合Signal Forms與Zod實現型別安全的資料確認頁面。

備註事項

1.    上課使用Windows平台

2.    本課程使用Visual Studio Code + GitHub Copilot為主要開發工具

3.    本課程需要有GitHub Copilot帳號與Google帳號

4.    上課前一天請申請GitHub Copilot Pro 、 Google AI Pro(兩者皆有提供新帳號前30天免費方案)

推薦課程