2025 iThome 鐵人賽
沒在獨自升級的 一起來
生成式 AI
選手 146 文章 3308
Day 17
2025-09-10
242
0
今天的核心議題 如何讓 RAG 系統從單純的「檢索與生成」進化為一個能夠像人類一樣拆解、思考、整合的智能推理引擎,從而處理需要多個步驟才能回答的複雜問題。 為什...
Day 19
2025-09-12
242
0
今天要來處理的內容是:將工作流產生的圖片回傳至Line聊天室。 我們可以先看到Line的message api指南: 我們需要一個照片連結跟一個預覽連結,才可...
Day 9
2025-09-09
242
0
昨天我們花了大量時間建立iPad設計規範和Project Knowledge記憶系統,今天是時候驗證這套方法論的實用性了。我選擇登入系統作為第一個測試案例,原因...
Day 10
2025-09-24
242
0
為什麼要比較向量資料庫?在 RAG 系統裡,向量資料庫是「大腦的記憶體」。 Embedding 模型把文字轉成向量 向量資料庫負責儲存與檢索 最後再把檢索結果交...
Day 2
2025-09-16
242
0
接下來介紹他主要的核心邏輯Agent 是透過「感知 → 推理/規劃 → 行動」的循環,不斷迭代直到完成任務。講完整個運作的邏輯,接下來將會分別告訴各位,這些邏輯...
Day 14
2025-09-28
242
0
昨天我們完成了智慧日期解析功能,讓 AI 能自動辨認會議中的時間表達並標準化處理,接下來會議記錄中經常出現「小明負責處理這個功能」、「請阿志下週二提交報告」這類...