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。儘管並非相關科系背景，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，協助開發雲原生的 RAG 產品。

當時的開發還處於試驗階段，由於是從微服務架構入門，無需過多考慮基礎建設的負擔，這讓我能夠更加專注於生成式 AI 的技術學習與流程設計。然而，隨著專案規模逐步擴大，企業對資安的要求也日益嚴格，我開始花更多時間在安全性配置和微服務串接的優化上，並著手構建 CICD 流程、容器化管理，以及優化資料庫和檢索性能。系統隨著開發進展不斷演化，我也逐漸體會到系統設計在 AI 開發中的核心地位。它不僅確保系統穩定運行，還能讓系統在面對複雜需求和高並發時保持高效，並具備應對未來擴展的靈活性。

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，花太多時間單獨摸索不如向前輩學習他們的經驗，這樣才能更有效率地提升能力，並保持競爭力。
2. 技術落地需要完整且靈活的設計架構。 AI 的開發依賴於一套能夠滿足不同企業需求，並支持系統擴展與備援的設計架構。系統設計不僅是穩定性的保證，也是面對未來可擴展性的關鍵。

基於這些體會，我選擇了系統設計與生成式AI作為近期的學習重點。過去，我曾廣泛探索相關學習資源，並向許多前輩請教。然而，因為工作的需求，我常常只專注於解決當下的問題，較少有機會深入理解背後的原理或全面掌握相關知識。此外，有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，導致知識結構並不完整。

為了系統化地補足這些不足，我計劃在接下來的 30 天內深入學習以下素材：

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

同時，我也將參考相關技術文件、文獻討論和教學影片，並將其融入我的筆記與反思，記錄整個學習過程中的心得與成長。

開啟我的生成式AI學習旅程

接下來的 30 天，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，然後專注於深入學習上述的素材。其他相關資料將以重點整理的方式呈現。這一系列文章，與其說是完整的教學，更像是我在生成式 AI 開發流程中的學習筆記，旨在逐步梳理與理解開發過程中的關鍵概念。

如果你/妳對我的主題有興趣，歡迎隨時留言討論！👏🏻