回顧自己的學習歷程

去年11月，我第一次接觸到 RAG（Retrieval Augmented Generation）專案。當時我並非相關科系出身，但憑藉在研究室參與爬蟲專案和文字探勘研究的經驗，我獲得了一個進入軟體產業的實習機會，為部門開發雲原生的 RAG 產品。

由於當時的開發還處於試驗階段，加上是從微服務架構入門，無需過多考慮基礎建設的負擔，使我能夠更加專注於生成式 AI 的技術學習與流程設計。然而，隨著參與的專案規模逐步擴大，企業對資安的要求也更嚴格，我不得不投入更多時間在安全性配置和微服務串接的優化上，也開始著手CICD建置、容器化、資料庫和檢索性能的優化。隨著系統的不斷發展，我逐漸意識到系統設計在AI開發中的核心地位。系統設計不僅確保系統能夠穩定運行，還能使其在面對複雜需求和高並發情況下保持高效，並靈活應對未來的擴展需求。

研究專業經驗，釐清過去的盲點

在多次參與專案並逐步邁入正式產品開發的過程中，我逐漸領悟到兩個關鍵點：

1. AI 的學習必須與時俱進。
   在這個快速變化的領域中，與其獨自花費漫長的時間琢磨，不如吸取前輩們的研究經驗，才能迅速提升自己的能力並保持競爭力。
2. 技術落地需要完整且靈活的設計架構。
   AI 的開發必須依賴一套能夠適應不同企業需求並支持系統擴展與備援的設計架構，系統設計在這其中扮演著至關重要的角色，無論是技術的穩定性還是未來的可擴展性，都需要有力的設計支撐。

基於這些體會，我選擇了系統設計與生成式AI這兩個主題作為近期的學習重點。過去，我曾廣泛探索相關學習資源，也詢問了許多前輩的經驗分享。雖然對整個開發流程有了初步了解，但由於因應工作的需求專注於解決當下的問題，缺乏深入理解背後原理或全面掌握相關知識的機會。此外，某些技術或框架如果在當前專案中無需使用，我往往會將其擱置，導致知識結構不完整。

而為了系統化地補足這些不足，我選擇了以下學習素材，希望能透過30天的時間進行深入探索與思考：

1. The LLM-Twin Free Course on Production-Ready RAG applications
2. System Design Interview – An insider's guide

此外，相關的技術文件、文獻探討、教學影片也將在這段學習旅程中陸續補充，並融入我的筆記與反思中，記錄整個過程中的學習成果。

開啟我的生成式AI學習旅程

在接下來的30天中，我將首先整理過去實作中的筆記，回顧並鞏固已有的知識基礎，然後專注於精讀上述學習素材。其他相關資料將以重點整理的方式呈現。相比於全面的教學講解，這系列的文章更傾向於記錄自己在生成式AI開發流程中的學習筆記，逐步梳理和理解開發過程中需要掌握的關鍵概念。我希望在這次挑戰結束後，能夠持續地補足和優化這些想法，最終形成一套完整而深入的知識系統。

如果你/妳對我的主題有興趣，歡迎隨時留言討論！👏🏻