系列文章
【Day 11】- 從反思到監督:五大 AI 代理設計模式速成指南
摘要這篇文章作者介紹了五種 AI 代理設計模式，分別是：反思（Reflection）、反饋學習（Reflexion）、規劃（Planning）、監督者（Sup...
【Day 12】- AI代理自我反思：深入探討 Self-Refine 技術與 LangGraph 實作
摘要這篇文章主要探討了 大型語言模型 (LLM) 的自我完善技術，特別是 Self-Refine 的概念和實作方法。文章從介紹 Reflection Agen...
【Day 13】- 進階 LLM 反思機制：Reflexion 技術的創新與應用
摘要這篇文章探討了大型語言模型（LLM）領域中的反思機制，特別是新興的 Reflexion 技術。它首先回顧了先前 Self-Refine 技術的局限性，例如...
【Day 14】- 翻譯革新：從吳恩達的 Translation Agent 到 LangGraph 的智能協作模式
摘要這篇文章主要探討了「AI 代理」領域的最新進展，以吳恩達團隊推出的 Translation Agent 開源工具為例，展現了 AI 如何革新翻譯的效率和準...
【Day 15】- Agentic Design Pattern: Planning - 賦予 AI 自主規劃能力
摘要這篇文章主要介紹了 Agentic Design Pattern 中的 Planning 模式，它賦予 AI 自主規劃的能力，讓 AI 能夠處理那些難以預...
【Day 16】- Agentic Pattern：以多代理協作模式革新 AI 系統
摘要這篇文章探討了 多代理系統 在人工智能領域的應用，特別是 如何利用 LangGraph 框架來構建和管理多代理系統。文章首先介紹了多代理系統的基本概念，包...
【Day 17】- 多代理系統設計: 監督者模式的應用與實踐
摘要這篇文章探討了多代理系統設計中監督者模式的應用和實踐。文章首先回顧了多代理系統的基本概念和協作模式，接著介紹了監督者模式的特性，並以台灣棒球和啦啦隊新聞處...
【Day 18】- LangGraph 與 LangFuse：打造 Agent 觀測系統全方位指南
摘要這篇文章探討了如何使用 LangGraph 與 LangFuse 打造全方位的 Agent 觀測系統。LangGraph 是一個用於構建複雜 AI 代理應...
【Day 19】- LangGraph 的記憶機制：提升 AI 助理的上下文理解能力
摘要這篇文章探討了 LangGraph 這個框架，它用於提升 AI 助理的記憶能力，並能有效管理對話歷史。文章首先說明了 AI 助理需要記憶功能的原因，以及記...
【Day 21】- 從基礎到進階: 掌握RAG基礎並使用LangGraph實現Agentic RAG
摘要這篇文章探討了檢索增強生成 (Retrieval-Augmented Generation, RAG) 技術，它結合了資訊檢索和文本生成，以克服現有大型語...