CI/CD 解決了「怎麼跑」的問題，但有一大堆重複性工作還卡在人手上：Issue triage 沒人理、CI 失敗要自己挖 log、文件跟程式碼脫鉤、測試覆蓋率沒人補...

GitHub Next 在 2026 年推出了 GitHub Agentic Workflows（技術預覽），讓你用一份 Markdown 檔案描述意圖，自動編譯成 GitHub Actions workflow，驅動 Copilot、Claude 或 Codex 等 AI coding agent 在 repo 裡替你工作。這不是取代 CI/CD，而是為 DevOps loop 補上「判斷力」的那一環——稱之為 Continuous AI。

本場 Workshop 將帶你從零開始動手：安裝 gh-aw CLI、寫第一個 agentic workflow、了解 safe outputs 的安全機制，到設計實際可用於生產的場景（CI failure 診斷、每日健康報告、自動 triage、文件同步）。你不需要懂 LLM 原理，只要會寫 Markdown 就能開始。帶上你的筆電，60 分鐘後你的 repo 就會開始自己上班。

1. 理解 Continuous AI 的定位：清楚區分 Agentic Workflows 與傳統 CI/CD 的邊界，知道什麼情境該用哪個工具，避免誤用或重複投資

2. 掌握 GitHub Agentic Workflows 的核心運作原理：從 Markdown 意圖描述、gh-aw compile 編譯流程，到 GitHub Actions 執行機制，建立完整的心智模型

3. 了解 AI Agent 在 CI/CD 場景的安全設計：safe outputs、read-only 預設權限、sandboxed execution 等 guardrails 機制，能夠在企業環境中負責任地導入

4. 動手跑起第一個 Agentic Workflow：親手完成安裝、撰寫、編譯與觸發執行，帶走可直接套用到自己 repo 的實作經驗

5. 獲得四個高價值 DevOps 場景的設計藍圖：CI failure 自動診斷、每日 repo 健康報告、Issue 自動 triage、程式碼異動後文件同步

6. 建立在組織內推廣 Continuous AI 的起手式策略：了解從低風險輸出（報告、留言）到高風險操作（建立 PR）的漸進式導入路徑，降低組織採用的阻力