2025 iThome 鐵人賽

2025 iThome 鐵人賽

沒在獨自升級的一起來

DevOps

最新文章熱門文章

選手 23 文章 645

Day 22

2025-09-15

1075

0

n8n x AI自動化之新手村系列

Day22 Notion 基本連接與介紹

在之前的文章裡，嘗試許多把各種資料透過 n8n 自動化處理，像是新聞摘要、每日天氣提醒、甚至串接LINE。雖然能即時獲得資訊很方便，但如果每天的資料只存在 L...

Day 30

2025-10-14

939

0

30 天帶你實戰 LLMOps：從 RAG 到觀測與部署系列

Day30 - 從 62% 到 75%+：Production Readiness 的最後一哩路

🔹 第 30 天只是一個開始這系列是我 9/4 起床時腦中靈光一閃決定要寫的。當我在 Day 1 決定最後目標是要做「一個企業知識庫 FAQ Chatbot...

Day 28

2025-10-12

879

0

初探 LLM 可觀測性：打造可持續擴展的 AI 系統系列

【Day 28】深入向量資料庫：理解 RAG 在 AI 時代依然至關重要

前言前些陣子，社群上開始興起了 RAG 已死的言論，因為主流大模型的 Token 窗口已經大幅度的成長到百萬級別，足以消化大部分的資料並即時回應。這也使得一...

Day 16

2025-09-30

847

0

30 天帶你實戰 LLMOps：從 RAG 到觀測與部署系列

Day16 - LangChain × Guidance：打造可組合、可控的 Prompt 工作流

🔹 前言昨天我們談到 Prompt 系統化：包括模板化、版本管理、測試與整合。這些設計，讓我們能像管理程式碼一樣管理 Prompt。但在真實應用中，單一 P...

Day 4

2025-09-18

839

0

30 天帶你實戰 LLMOps：從 RAG 到觀測與部署系列

Day04 - 向量資料庫（Vector Database）- 常見選項與實務比較

🔹 前言在 LLMOps 的世界裡，向量資料庫 (Vector Database) 幾乎是 RAG（Retrieval-Augmented Generatio...

Day 5

2025-09-19

839

0

30 天帶你實戰 LLMOps：從 RAG 到觀測與部署系列

Day05 - 向量模型（Embedding）- 四種 Embedding 模型實測與選型

🔹 前言昨天 (Day 4) 我們比較了向量資料庫，解決了「知識要存在哪裡，怎麼檢索」的問題。但在 RAG (Retrieval-Augmented Ge...

熱門文章

熱門系列

鐵人選手

工商時間