在現代人的日常生活中,AI 已經成為不可或缺的夥伴,不論是工作、學習、還是生活中遇到的小困難,許多人都會希望AI能夠幫自己找到答案。 但問題往往不在於 AI「答不出來」,而是我們「不會提問」,有些人不知道該如何清楚的向 AI 提問,也有人雖然會提問,卻無法具體且完整的向AI描述他的需求,結果得到的回答可能不是自己想要的,還需要多花時間篩選和修正,甚至懷疑 AI 的可靠性。 希望能用這篇「30天和AI溝通練習」的紀錄,和大家一步步學會怎麼和AI高效互動,以生活中常見的例子,示範如何透過清楚的描述讓 AI 提供更精準、有用的回覆。
Goal: 從 0 開始打造一個名為 agent-brain 的 python package (for llm using) Motivation: (以我目前 survey 到的) open source 的 agent 都有點太重了,想打造一個 plug and play for llm agent 的大腦 (包含多種演算法 e.g., re-act ...) Step: 大概是一個 survey -> implementation 最後到打包的循環
使用 LLM 作為核心,結合RAG技術,從台灣旅遊資料庫中提取資訊。透過 Function Calling 串接即時天氣、交通 API,提供使用者個人化的旅遊建議與行程規劃
在三十天內,學習生成式A I,分析不同的生成式AI的原理,從生活鏈接到實作,希望最終能利用各路資源產出一個有趣的成果