2026 年 AI 必讀免費學習資源整理｜提示詞 Prompt、Agent、RAG 全覆蓋 - AI 工具及教學

網路上 AI 學習資源繁多，但真正值得花時間讀的不多。這篇文章整理了來自 Anthropic、Google、OpenAI、IBM 等官方發布的免費資料，全部可直接下載或線上閱讀，不需訂閱付費。

內容分為四大類：提示詞工程 (Prompt Engineering)、AI Agent 設計、RAG 檢索增強生成、模型評估。無論你是開發者、產品人還是重度 AI 用戶，這份清單都值得收藏。

🧠 提示詞工程 (Prompt Engineering)

提示詞工程適合任何想把 AI 用得更準、更有效率的人，從寫好提示詞 Prompt 到理解 context window 的原理都有涵蓋。

The Complete Guide to Building Skill for Claude（PDF）

出版方：Anthropic 連結：https://resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf

Anthropic 官方出品，專門講如何為 Claude 建立可重複使用的技能。如果你在企業環境或開發流程中大量使用 Claude，這份指南能幫你設計更穩定、可維護的 prompt 架構。

Prompt Engineering（PDF）

作者：Lee Boonstra 連結：https://www.kaggle.com/whitepaper-prompt-engineering

Google 工程師撰寫，內容扎實，從零樣本到思維鏈（Chain-of-Thought）都有詳細說明。適合想系統理解 prompt 技巧背後原理的讀者。

Gemini for Workspace Prompting Guide 101（PDF）

出版方：Google 連結：https://services.google.com/fh/files/misc/gemini_for_workspace_prompt_guide_october_2024_digital_final.pdf

針對 Google Workspace 用戶（Gmail、Docs、Sheets）的實用 prompt 手冊，範例多、即用性強。就算你不用 Gemini，裡面的 prompt 思維框架同樣適用其他模型。

Anthropic Prompt Engineering 官方指南

出版方：Anthropic 連結：https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview

Anthropic 自家的 prompt 工程文件，針對 Claude 模型撰寫，涵蓋系統提示設計、角色扮演、格式控制等實用技巧。使用 Claude 的人必讀，持續更新。

ChatGPT Prompt Engineering for Developers

出版方：DeepLearning.AI 連結：https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/

由 OpenAI 與 DeepLearning.AI 合作推出的免費短課程，約 1 小時完成。以程式碼範例示範 prompt 技巧，適合有基礎 Python 能力的學習者。

Foundational Large Language Models & Text Generation（PDF）

出版方：Kaggle / Google 連結：https://www.kaggle.com/whitepaper-foundational-llm-and-text-generation

想了解 LLM 如何生成文字、為什麼有時「胡說八道」，這份白皮書是很好的入門。技術深度適中，不需要博士學歷也能讀懂。

Mastering LLM as a Judge

出版方：Galileo 連結：https://galileo.ai/ty/mastering-llm-as-a-judge

用 LLM 評估 LLM 輸出品質，是目前業界主流的評測方法之一。這份指南深入解析「LLM-as-a-Judge」的設計邏輯、常見偏差與實作要點。

The Context Engineering Guide（PDF）

出版方：Weaviate 連結：https://weaviate.io/ebooks/the-context-engineering-guide

Context 工程（Context Engineering）近期被視為比 prompt 工程更關鍵的能力。這份指南說明如何設計、管理和優化你給 LLM 的上下文資訊，實戰導向。

🤖 AI Agent 設計

AI Agent 是 AI 應用最熱門的方向之一。這個分類從入門概念到企業部署安全都有資料，幫你建立完整知識框架。

What is Agentic AI?

出版方：Google Cloud 連結：https://cloud.google.com/discover/what-is-agentic-ai

如果你對「Agentic AI」這個詞還不太確定，從這頁開始。Google Cloud 出品的概念解說頁，清楚定義 Agentic AI 與傳統 AI 應用的差異，適合建立基礎認知。

A Practical Guide to Building Agents（PDF）

出版方：OpenAI 連結：https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf

OpenAI 出品的 Agent 建構實務指南，從設計原則到工具調用、記憶管理都有涵蓋。不綁定 OpenAI 生態系，概念可直接套用到其他框架。

Agents: Tools, Extensions, and Datastores（PDF）

作者：Julia Wiesinger, Patrick Marlow, Vladimir Vuskovic（Google）連結：https://www.kaggle.com/whitepaper-agents

深入講解 Agent 如何使用工具、呼叫外部 API、連接資料庫。是 Google 工程師視角的 Agent 架構教學，實作細節豐富。

Introduction to Agents（PDF）

出版方：Kaggle / Google 連結：https://www.kaggle.com/whitepaper-introduction-to-agents

如果你對 Agent 還很陌生，從這份開始。語言平易近人，概念清晰，是整個系列的起點。

Agent Companion（PDF）

出版方：Kaggle / Google 連結：https://www.kaggle.com/whitepaper-agent-companion

可以把這份當作上面那份的進階延伸，涵蓋更複雜的 Multi-Agent 協作模式。

Building Effective Agents

作者：Erik Schluntz & Barry Zhang（Anthropic）連結：https://www.anthropic.com/engineering/building-effective-agents

Anthropic 工程師親寫，內容直接、沒有廢話。核心觀點：不要過度設計 Agent，簡單的工作流往往優於複雜的自主 Agent。實務性極強，強烈推薦。

From Prototype to Production（PDF）

出版方：Kaggle / Google 連結：https://www.kaggle.com/whitepaper-prototype-to-production

很多人能做 demo，但上不了生產環境。這份白皮書專門處理這段落差，講延遲、可靠性、監控、成本控制。

Google’s Approach for Secure AI Agents

作者：Santiago Díaz, Christoph Kern, Kara Olive（Google）連結：https://research.google/pubs/an-introduction-to-googles-approach-for-secure-ai-agents

Google 研究團隊的安全 Agent 設計方法，從威脅模型到設計原則都有梳理，適合認真做 Agent 產品的人閱讀。

Agentic AI Patterns and Workflows on AWS（PDF）

作者：Aaron Sempf & Andrew Hooker，Amazon Web Services 連結：https://docs.aws.amazon.com/pdfs/prescriptive-guidance/latest/agentic-ai-patterns/agentic-ai-patterns.pdf

AWS 出品，涵蓋在雲端環境部署 Agentic AI 的常見架構模式。對在 AWS 上做 AI 應用的開發者特別實用。

Securing AI Agents and Non-Human Identities in Enterprises

出版方：Cerbos 連結：https://solutions.cerbos.dev/securing-ai-agents-non-human-identities-in-enterprises

Agent 有了行動能力，安全問題就變得關鍵。這份指南討論如何在企業環境管理 AI Agent 的身份驗證與存取控制。

🔍 RAG 檢索增強生成

RAG（Retrieval-Augmented Generation，檢索增強生成）能接入外部知識庫，讓 LLM 在回答之前，先從外部知識庫檢索相關資料，再根據這些資料生成回應。這樣做能讓模型存取最新資訊和私有資料，同時減少 AI 胡亂編造答案的問題。

Mastering RAG（PDF，需填表）

出版方：Galileo AI 連結：https://www.galileo.ai/mastering-rag

約 200 頁的企業級 RAG 完整指南，從向量資料庫選型到評估框架都有覆蓋。需要填寫表單才能下載，但內容值得。

Agentic Architectures for Retrieval-Intensive Applications

出版方：Weaviate 連結：https://weaviate.io/ebooks/agentic-architectures

當 RAG 遇上 Agent，架構設計會更複雜。這份電子書專門討論需要大量資料檢索的 Agentic 系統應該怎麼設計。

What is Agentic RAG?

作者：Erika Cardenas & Leonie Monigatti（Weaviate）連結：https://weaviate.io/blog/what-is-agentic-rag

如果你對 Agentic RAG 還不熟悉，先讀這篇部落格文章。概念清晰，篇幅短，10 分鐘讀完。

🧪 模型與 Agent 評估

做出來的 AI 夠不夠好？這個問題比聽起來難回答得多。以下資源幫你建立系統性的評估思維。

Evaluating Agents

出版方：Braintrust（作者：Ornella Altunyan）連結：https://www.braintrust.dev/blog/evaluating-agents

評估單次 LLM 呼叫已經夠難，評估多步驟 Agent 更複雜。這篇文章梳理了評估 Agent 的核心挑戰與可行方法。

LLM Evaluation Metrics: The Ultimate Guide

出版方：Confident AI 連結：https://www.confident-ai.com/blog/llm-evaluation-metrics-everything-you-need-for-llm-evaluation

從忠實度、相關性到幻覺偵測，這篇指南整理了目前主要的 LLM 評估指標，並解釋各自的適用場景與限制。

Agent Quality（PDF）

出版方：Kaggle / Google 連結：https://www.kaggle.com/whitepaper-agent-quality

Google 出品，專門針對 Agent 系統的品質評估方法，是上面幾份 Kaggle Agent 系列的評測章節。

🎓 免費學習平台

除了白皮書和指南，以下平台提供系統性的 AI 課程，適合想建立完整知識體系的學習者。

Google Skills

出版方：Google 連結：https://www.skills.google/

Google 於 2025 年推出的統一學習平台，整合了 Google Cloud、Google DeepMind、Grow with Google 和 Google for Education 的課程，共近 3,000 門課程與實驗室。部分內容免費，開發者每月可申請 35 個免費學習積分。涵蓋從 AI 入門到進階 Agent 開發的完整學習路徑。

OpenAI Academy

出版方：OpenAI 連結：https://academy.openai.com/

OpenAI 官方學習社群平台，提供免費線上和實體活動、影片教學、社群討論，涵蓋從 AI 基礎到 ChatGPT 進階應用等主題，定期有專家主持的直播工作坊可以參加。目前主要以英語提供，認證功能預計近期推出。

Anthropic Academy

出版方：Anthropic 連結：https://anthropic.skilljar.com/

Anthropic 官方學習平台，目前提供 12 門免費課程，涵蓋 Claude 基礎使用、API 開發、MCP（Model Context Protocol）入門與進階、Claude Code 實戰、AWS Bedrock 和 Google Vertex AI 整合等。無論你是一般用戶還是開發者都有對應的課程。不需要 Anthropic 帳號，註冊 Skilljar 帳號即可開始學習。