系列文章
[D11] 我的第一個聊天機器人 - 訊息分類處理
今天，我們將與大家分享一些在設計提示訊息時不可或缺的基本技巧。這些技巧包括「結構化輸出」、「任務分類」，以及如何透過「思維鏈」來優化提示效能。 結構化輸出：連接...
[D12] 我的第一個聊天機器人 - 外部資料的整合
很高興你我都堅持到第 12 天了，希望這些內容能讓你感到越來越受益。 在本篇文章中，我們將深入探討如何將多個內部提示訊息處理單元和外部資料進行系統性整合。 示範...
[D13] 我的第一個聊天機器人 - 回應訊息檢查
對於聊天機器人而言，生成回應僅是工作流程的一部分。接下來的適用度（moderation）檢查與功能性評估（evaluation）同樣不可或缺。 適用度檢查的必要...
[D14] 我的第一個聊天機器人 - 回應訊息功能評估
在先前的論述中，我們已經對回應訊息評估的基礎概念進行了詳細的探討。今日，我們將進一步深入這一主題，專注於兩種進階的評估策略：首先是運用「Rubric 評量表」，...
[D15] LangChain 專案實做 - Hello LangChain
在之前的幾篇文章中，我們已經利用 OpenAI API 帶領大家深入探討並實作了基礎聊天機器人的架構。接著，我們將逐步介紹使用 LangChain 的實做方式。...
[D16] LangChain 專案實做 - 內容摘要
今天，我們將首先實作語言學習助理 LangChain 的「內容摘要」功能。完整的程式碼可在以下連結中找到：D16. LangChain 專案實做 - 內容摘要....
[D17] LangChain 專案實做 - 教學詞彙推薦
今天，我們將深入探討 LangChain 專案中「教學詞彙推薦」的實作細節及其相關工具。透過實際操作教學詞彙推薦，我們將引導大家了解如何整合文本讀取器（Text...
[D18] LangChain 專案實做 - 例句推薦與 LLMChain 介紹
在設計稍為複雜的對話系統時，常會遇到資料來源需經過特定處理元件的轉換或預先處理。LangChain 框架的核心元件 - Chain（也可稱為執行鏈或動作鏈）正是...
[D19] LangChain 專題實做 - 詞彙教學智慧生成
在這篇文章中，我們將深入探討如何實現一個全面而詳盡的詞彙教學智慧生成流程。在之前的文章中，我們已經展示了如何利用 LLMChain 把有前後相依性的語言提示任務...
[D20] LangChain 專題實做 - 資料的讀取與轉換
在我們之前的文章中，無論是摘要、例句推薦等，都是用固定的資料來模擬各種情境。但現實世界的應用遠比這複雜。接下來的幾篇文章，我們將帶領大家更深入地了解如何處理真實...