track: curriculum architecture
/
environment: antigravity
/
theme: dose
11/05 實戰課程流程藍圖:從大模型認知到打造 Tableau-like 儀表板
清楚交代今天「使用哪一套工具、用了哪些 Skill、串接哪一些 API」。課程嚴謹分為兩大階段:第一塊以《大語言模型學習地圖》建立 Agent 認知與全球競爭局勢;第二塊全面進入 Antigravity 實戰,串接日本官方 e-Stat API,調用 8 大 Skill,把類似 Tableau 的 10 大數據原子儀表板從無到有一步步做出來。
課程兩大階段核心技術解構
hands-on modules breakdown第一塊:認知篇 (15%)
大語言模型學習地圖 (index.html)
以原版《大語言模型學習地圖》為核心,引導學員建立底層世界觀與 Agent 概念:
- 通關 6 大站點:理解與生成、交代任務、查資料記憶、Tool Calling、Workflow、Evals 核對。
- 全球競爭格局:全球主流開源與商用大模型全景(Claude 3.5, GPT-4o, Gemini 2.0, DeepSeek)。
- 為什麼需要 Agent 工具:理解純語言模型在即時資料與精確計算上的極限,引出調用外部工具與 API 的必要性。
第二塊:工具與 API (85%)
使用哪套工具?串接哪一些 API?
真實工程環境與權威資料庫,拒絕假數據與空泛玩具代碼:
- 工具 1:Antigravity(Google DeepMind 開發之 Agentic Coding 環境,自主執行終端與 Skill 擴展)。
- 工具 2:前端開源引擎(Apache ECharts 互動圖表與 Graphic Walker 拖曳編碼槽,Zero-Build 即開即用)。
- API:日本 e-Stat 官方 REST API v3.0(總務省統計局官方資料庫)。
- 端點呼叫:
/getStatsList取得 17 大領域代碼;/getStatsData獲取半世紀面板數據。
第二塊:Skill 與成果交付
用了哪些 Skill?做出什麼成果?
將複雜的資料處理、網頁版面與美學工程封裝為 8 大 Skill,附 GitHub 開源倉庫供學員探索:
- data-analyst(示範):分析師 Prompt 提示詞樣板與
clean_data.py清洗腳本(GitHub ↗)。 - hallmark(網頁設計):現代工程極簡網頁規範與 dose 藥盤主題(GitHub ↗)。
- diagram-design(架構流程):繪製分析師 5 階段流程圖與全日時序圖 SVG(GitHub ↗)。
- dataviz(圖表規範):Tufte 工業級視覺化美學與 WCAG AA 對比度(GitHub ↗)。
- dataviz-motion(動態影音):將分析圖表轉化為 1080p 60FPS 包豪斯動態簡報(GitHub ↗)。
- data-atoms-dashboard(儀表板):一鍵產出 10 大數據原子、Tableau Prep 分類(開源 ↗)。
- deeptutor-mentor(自主學習):港大 DeepTutor 架構,無老師也能靠三階提示獨立自學(GitHub ↗)。
architecture status: verified / curriculum date: 11-05