終於到了鐵人賽的第三十天，不免俗的還是要來分享一下回顧這三十天(認真來說應該是二十九？)的內容以及完賽心得

回顧三十天

D1-D10

• 網路的基本概念 TCP/IP model，網路模型對應到的實體裝置
• Kubernetes的基本元件以及架構
• 如何安裝Kubernetes
• Kubernetes中常見的資源（例如：Pod、Replicas、Deployment、NameSpace、Network Policy等等...）

D11-20

• 深入探討如何在 Kubernetes 部署LLM 以及 RAG
• RAG架構(向量資料庫（Vector Database）、詞嵌入模型（Embedding Model）、檢索的方法與效果)
• 介紹向量資料庫（Vector Database）
• 詞嵌入模型（Embedding Model）的設置與使用
• 檢索的方法與效果
• LLM 與 Langchain的介紹
• 在Kubernetes中部署LLM

D21-30

• 可觀測性的起源
• 常見的可觀測性工具Opentelemetry
• Opentelemetry架構
• 如何產生遙測資料以及使用上下文傳播
• 介紹Grafana一系列的可視化工具

撰寫鐵人賽文章的過程中，不但是分享給其他夥伴自身的經驗。同時也是透過這個過程，整理學習到的知識，練習將這些知識脈絡弄清楚。不但下文能夠承接上文，參考的資料還有所根本。也感謝夥伴以及大大們，收看我文章並且願意在留言區中補充更多內容，非常感謝。

未來也會持續關注可觀測性的領域。尤其是GAI(Generative artificial intelligence 生成式人工智慧)的風潮，可見也是爾後一大發展重點。既然如此，勢必也有機會發展成分散式架構，後續可能會有需要查看問題的token數的消耗、回覆給使用者速度、GPU & NPU的效能監控等等，因此可觀測性在GAI的領域之中也相當重要。

最後感謝各位的收看，下台一鞠躬。