Day 4 - Google AI Agents Intensive Vibe Coding Course 2026 | Agent Security and Evaluation
三句話摘要
Google AI Agents Intensive 第四天：透過測試、防護欄（Guardrails）與安全機制，打造可靠且安全的 AI Agent 系統。 AI Agent 的可靠性需從架構層面保障：在資料進入 LLM 前建立 PII 過濾與 Prompt Injection 偵測，再透過 TDD + Agent CLI Eval 確保行為符合預期，是將 Agent 從實驗帶入生產的關鍵工程實踐。 Ambient Agent 架構：系統設計為非同步、事件驅動（Asynchronous Event-Driven）模式，費用報告透過 Webhook 或 Curl 觸發，Agent 根據金額條件自動分流處理，無需人工介入低風險案例。
重點整理
重點- 1
Ambient Agent 架構：系統設計為非同步、事件驅動（Asynchronous Event-Driven）模式，費用報告透過 Webhook 或 Curl 觸發，Agent 根據金額條件自動分流處理，無需人工介入低風險案例。
- 2
安全防護層（Security Guardrails）：在資料進入 LLM 之前，系統會先掃描是否含有個人識別資訊（PII），包括社會安全碼（SSN）與信用卡號，確保敏感資料不洩漏至模型層，這是真實業務場景中的合規要求。
- 3
TDD 驅動的 Agent 開發：課程強調先寫測試計畫（TDD Plan），再讓 Agent 依規則生成程式碼，透過 Agent CLI 在本地執行評估（Eval），確認所有測試通過後才完成交付，體現 AI 開發的工程紀律。
- 4
模型配額管理：實際操作中 Gemini 模型出現配額限制（Quota），講師建議切換至其他可用模型繼續進行，顯示多模型備援策略在 Agent 開發中的實用性。
實用技巧與重點
乾貨- 工具鏈：Anti-Gravity IDE、UV、Agent CLI（ADK CLI）、Gemini API、ADK Playground
- 模型：Gemini 3.5 Flash Medium（因配額問題中途切換）
- 費用審核門檻：$100（低於自動核准，高於轉管理者審核）
- 測試觸發指令：curl 指令（Windows 使用 PowerShell 版本）
- 測試金額案例：$10（自動核准）、$45（自動核准）、$150（需人工審核）
- 安全事件類型：Prompt Injection Detected、PII（SSN）偵測
- 核心流程：安裝 → 建立專案 → 設定 .env（API Key）→ 建立圖表工作流 → PII 防護 → Eval 測試 → 清理
- TDD 階段：建立計畫 → 選擇測試項目 → 執行 → 驗證 Gating → Agent 自我修正
- 完成兩項 Kaggle 作業可領取「Five Day Agents Intensive」學習徽章
- 總實作時長：約 3.5 小時
結論
結論“AI Agent 的可靠性需從架構層面保障：在資料進入 LLM 前建立 PII 過濾與 Prompt Injection 偵測，再透過 TDD + Agent CLI Eval 確保行為符合預期，是將 Agent 從實驗帶入生產的關鍵工程實踐。”
完整解析
詳細本課程為 Google AI Agents Intensive Vibe Coding 2026 的第四天，主題聚焦於如何讓 AI Agent 在真實業務中具備可靠性與安全性。講師以「企業費用管理系統」作為貫穿全課的示範專案，在 Anti-Gravity IDE 中從零建立一個具備自動審核邏輯的 Ambient Agent。
系統的核心設計是一個基於金額的條件分流工作流：當員工提交費用報告後，若金額低於 $100，Agent 立即自動核准；若超過 $100，則進入人工審核流程，由管理者在 ADK Playground 中決定批准或拒絕。整個流程以非同步事件驅動方式運作，透過 curl 指令（或 Windows PowerShell 的等效指令）在本地端觸發，並可透過 Session ID 追蹤處理狀態。值得注意的是，自動核准的案例（如 $10、$45）不會出現在 Playground 的 Session 列表中，因為它們已在到達 UI 之前完成處理，這是系統設計的正常行為。
安全防護是本課的第二大重點。在資料進入 LLM 之前，系統會先執行 PII 掃描，一旦偵測到社會安全碼（SSN）或信用卡資訊，即觸發安全事件並阻斷該資料流向模型，確保合規與隱私保護。此外，課程也實作了 Prompt Injection 偵測機制，當惡意指令被嵌入費用資料中時，系統能識別並發出警告，而非盲目執行。
第二項作業「Secure AI Code」進一步深化了測試工程的概念，採用 TDD（測試驅動開發）流程：先建立測試計畫，定義 Agent 應遵循的規則，再讓 Anti-Gravity 依計畫生成程式碼，最後透過 Agent CLI 在本地執行評估，驗證所有測試通過。過程中講師也遭遇 Gemini 模型配額用盡的實際問題，並示範如何切換模型繼續作業，體現了真實開發環境中的應對策略。整個課程歷時約 3.5 小時，完成後可在 Kaggle 領取官方學習徽章。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
