本清單整理自靈姐說 AI 頻道推薦的 8 門吳恩達 deeplearning.AI 課程,依「提示詞 → 做作品 → 結構化輸出 → 工作流 → MCP → 多模態 / Agent 評估」串成一條系統化學習路線,對應 6 大 AI 核心能力層次。
| # | 層次 / 能力 | 課程名稱 | 目標 | 課程介紹 | 適合對象 | 推薦度 |
|---|---|---|---|---|---|---|
| 1 | 第 1 層 學會和 AI 協作 |
AI Prompting for Everyone
提示詞入門
|
學會寫出完整的提示詞,把 AI 從「搜索框」升級為「協作者 / 合伙人」,並能用 AI 反問釐清自身需求。 |
一個好的 prompt 至少要包含 8 個要素:目標、背景、對象、角色、素材、步驟、格式、標準。提示詞的本質是「管理上下文的協作者」,而非單純下指令。 核心觀點:不要急著讓 AI 輸出結果,而是讓 AI 先反問你,把需求變清楚再開始。 2026 新上線 |
零基礎 完全沒接觸過 AI 的人 所有人 | ⭐⭐⭐⭐⭐ 5.0 五星必看 |
| 2a | 第 2 層 會用 AI 做東西 |
Build with Andrew
從想法到原型的實作課
|
讓你第一次擁有「把想法快速做成原型」的能力,體會從提問跨越到創造的過程。 |
告訴你 AI 不只能聊天,還能把你的想法做成小工具、小網站、小應用。重點工作流:先寫 PRD → 再畫線框圖 → 最後才動手寫程式。本質精神是「先規劃、再動手」。 Vibe Coding 不需要自己會寫程式 |
零基礎 想做出第一個 AI 作品的人 | ⭐⭐⭐⭐ 4.5 |
| 2b | 第 2 層 會用 AI 做東西 |
Vibe Coding 101
氛圍式編程入門
|
用 AI 做出實際可見的東西,從純提問跨越到「創造」,建立 AI 實作手感。 | 與 Build with Andrew 同屬「做出作品」階段,讓你用 Vibe Coding(氛圍式編程)方式直接用 AI 寫程式,即使完全不會寫程式也能產出可運行的小工具或網站。 | 零基礎 想體驗 Vibe Coding 的人 | ⭐⭐⭐⭐ 4.5 |
| 3 | 第 3 層 讓 AI 輸出可控 |
Getting Structured LLM Output
結構化 LLM 輸出
|
讓 AI 輸出從「自然語言」變成「結構化語言」,使結果穩定、可被系統處理。 |
自然語言適合人讀,結構化語言才適合系統處理。越複雜的系統、越多步驟,每一步就越需要固定欄位,AI 回答的結構格式必須穩定才能讓自動化真正落地。 學完會更懂「機器的語言」,下指令時會更精準。 |
深度使用者 零基礎可先跳過 | ⭐⭐⭐⭐ 4.0 |
| 4 | 第 3 層 加裝數據護欄 |
Pydantic for LLM Workflows
LLM 工作流資料驗證
|
讓 AI 輸出的結構化資料可被驗證:格式是否合格、欄位型別對不對、有無缺失、能否進入下一步。 |
解決「AI 輸出不但要結構化,還要能驗證」的問題。例如需求單裡的每個字串格式(網址型、字典型等),都需要透過特定方式做限定,才能進入生產環節。 偏開發導向,講 AI 自動化中的可靠性問題。 |
半技術用戶 自動化用戶 普通小白可往後放 | ⭐⭐⭐⭐ 4.0 |
| 5 | 第 4 層 封裝工作流 |
Agent Skills with Anthropic
與 Anthropic 合作的技能封裝課
|
把過往的經驗、流程、模板、審查標準沉澱為可重複調用的資產,從 Prompt 時代走向 Skill 時代。 |
這是靈姐重點推薦的一門課。Skill 是能力的資料夾,通常包含:主說明、腳本、參考資料、模板、素材。 核心概念對比:
|
想理解 AI 運行機制的人 想累積可複用資產的人 | ⭐⭐⭐⭐⭐ 4.8 重點推薦 |
| 6 | 第 5 層 連接外部世界 |
MCP: Build Rich-Context AI Apps
MCP:構建富上下文 AI 應用
|
讓 AI 連接外部資料、工具與企業系統(資料庫、企業資料),從純對話升級為可執行真實工作。 |
解決「如何讓 AI 連接外部資料、工具、系統」的問題。 與 RAG 的差異:RAG 從知識庫檢索資料增強回答;MCP 不只取資料,還能暴露工具、交換資料資源,讓 AI 與外部系統雙向互動。 |
重度 AI 工作流用戶 Agent 開發者 小白可放後 | ⭐⭐⭐⭐ 4.2 |
| 7 | 第 6 層 多模態生產 |
Image & Video Agents
圖像與視訊 Agent
|
掌握多模態生成的 Loop 思維:生成 → 判斷 → 迭代,直到達標。 |
對比「舊模式 vs 新模式」:
Loop 思維 多模態核心公式 |
圖像 / 視訊創作者 想建立 Loop 思維的人 | ⭐⭐⭐⭐ 4.3 |
| 8 | 第 6 層 Agent 評估 |
Evaluating AI Agents
AI Agent 評估
|
衡量 Agent 是否真正靠譜,建立可觀察、可改進的生產系統,讓 AI 真正成為生產力。 |
給出 8 個評估維度,重點在評估「Agent 生成的過程」而非最終 Demo 效果。 拆解每一步的可觀察性:是理解錯了?路由錯了?工具選錯了?參數錯了?分析錯了?還是表達錯了? 核心觀點:評估標準要在一開始建構任務時就設立,後面的生成過程才能可觀察、可改進,系統才能持續迭代成為真正的生產力系統。 |
Agent 開發者 想建立可迭代系統的人 | ⭐⭐⭐⭐⭐ 4.9 靈姐最推薦 |