最近工作、家庭兩邊拉扯，寫作節奏被打亂。回頭看前面幾篇，從「長期／短期記憶」之後確實有點散。我先把目前進度收斂成清楚的地圖，之後文章會照這條路線補齊。目標很單純：30 天做出一個能用、能管、能維運的 AI 助理。

到現在為止，我們已經走到這裡

• 基礎認知與觀念建立

  • 為什麼想做專屬 AI 助理？
  • 大語言模型的單模與多模：從文字到跨感官
  • 為什麼提示詞會影響 LLM
  • 關於幻覺

• Prompt 工程與提示詞技巧

  • Google Prompting Essentials 五步驟核心（T-C-R-E-I）
  • 進階提示詞技巧

• 知識檢索與 RAG 基礎

  • 不只會推理，更要「有憑有據」：用 RAG 讓 AI 學會「開書考」
  • RAG：打造一本高品質的 AI「參考書」
  • 查詢階段（Querying）— AI 如何「開書」找到答案
  • RAG 的最後一哩路：Context

• 對話記憶與個人化設計

  • 讓 AI 認識你：用 Python 實作 Prompt 個人化（角色、口吻、限制條件）-1
  • 讓 AI 認識你：用 Python 實作 Prompt 個人化（角色、口吻、限制條件）-2
  • 小插曲
  • 讓 AI 認識你：用 Python 實作 Prompt 個人化（角色、口吻、限制條件）-3
  • 讓 AI 認識你：用 Python 實作 Prompt 個人化（角色、口吻、限制條件）-4
  • 簡單的上下文管理：用 List 打造記憶型對話系統
  • 長期記憶與短期記憶：打造 AI 的智慧記憶系統 -1
  • 長期記憶與短期記憶：打造 AI 的智慧記憶系統 -2

• RAG 實戰：知識庫整合（原：FAQ 整合與知識庫應用）

  • 整合 FAQ 文件：讓 AI 查資料 -1
  • 整合 FAQ 文件：讓 AI 查資料 -2

• GCP 與 Gemini API 實作

  • 什麼是 Vertex AI？（和 AI Studio 差別在哪？為什麼要用？）
  • 建立第一個 Gemini API 專案 — 新手體驗

接下來會用 GCP 觀念重畫系統藍圖，認真對焦一下前述與後續內容