這三十天的主題事實上用這個會比較適合 :
Junior AI Application Engineer 的學習指南 - 透過實作 AI 學習工具人
這三十天完全就是一個邊做邊學的狀態，本來開賽前就有一些規畫，但這寫這就全部打掉重寫了，因為每寫完一篇就就每天冒出一堆新東西，然後我的規畫就一直變，然後直到變成現在這個樣子。
我們來是想說這次就全部都些 AI Application 的理論與知識，但是又發現沒有實作整個都是一知半解，很多東西也是在實作時發現很多坑，所以建議如果在學習 AI 時，一定要理論知識與實作並重，這樣才是一個好的學習指南。
首先是關於 Framework 相關，建議不管如何都還是找一個比較好，就算不是 LangChain 也是，然後它們共有的知識，應該下面也都有包含到。
接下來是記憶相關的功能知識，主要是介紹 LangChain&LangGraph 中相關的功能，並且理解這兩個記憶功能的差別。
然後接下來是關於 Prompt Engineering 與成本相關的知識。
然後接下來這裡就是幾入到讓咱們的工具人與外界溝通的部份 :
接下來這裡就是 RAG 相關的，不過事實上這裡很多知識和實作篇混在一起了，所以這裡 RAG 才一篇，不然後應該很多。
然後在完成功能已後，接下來就是要進行我們的 AI Application Evaluation，然後我們這裡是選擇 Langfuse 來當我們的 AI Observability 然後我們這裡主要是將 Evaluation，其它如 Trace 我自已是覺得有點簡單，所以就沒放在這 30 天內來說。
最後這裡就是介紹 AI Model 了，這裡會放在最後面是因為我發現沒有前面的知識，我根本不知道那些數字與欄位代表什麼意思。
上面是知識篇，然後下面這些是邊學知識，邊將他們加到我們的 AI 學習工具人上，但是有點可惜這個最後兩個沒有完成，主要是因為篇幅不夠，而且那兩個用到的東西在前面幾篇都有，項多就只是用 Cronjob 與 Google Calendar API 之類的，所以就沒在這 30 天撰寫。
然後我自已是蠻愛研究 30-10 的功能，這篇文章中做出來的東西沒有完美，但是學習引導者這個的發想讓我對未來的學習世界產生了更多的探索好奇心，接下來應該會繼續往這個地方研究。
然後接下來是會與外部工具進行溝通的部份，就是和我們的資料庫、第三方公具之類的，並且還有實作成 A2A Server 可以讓其它 Agent 來連。
接下來我們就要進行 RAG 相關方面的實作，這一塊我選擇的功能是問與答，後來發現這一塊真的是一個很大的坑，因為什麼情境都有可能。
最後這篇是針對我們的問與答功能來進行 Evaluation，然後寫了這篇才發覺，真的很多坑啊… 所以我才寫了一個還需研究的字樣
這 30 天內我查了很多資料，也看了很多論文，這裡簡單整理一下。
🤔 論文
論文這裡真的太多了，我就只列一些我有完整看完的幾個，然後這些都在這個網站找的，它是開源免費的，是每個要發表論文的大大，可能會先送到這裡給其它人看看的地方。
這一塊是偏 Prompt Engineering 的。
然後這一塊都是 RAG，讀下去才發現深的和海溝一樣深，之前本來覺得 RAG 不是套套 Framework 就好，後來發現我是智障。
然後這一張圖我覺得很棒，可以當 RAG 的學習圖。
圖片來源: Retrieval-Augmented Generation for Large Language Models: A Survey
🤔 AI Protocol
目前 AI 世界應該是最常聽也常看到的 Protocol，也是必學。
🤔 學習網站
我自已覺得目前最大的幾個 AI 供應商的文件都一定要看，看完你自已就會抓出他們大部份共同的地方與特別的地方。
接下來 Framework 的當然也要，然後也不要只看你有用的，其它的我自已也覺得可以參考，有些觀念與說明也不錯，真的可以幫助你在看某個 Framwork 卡關時，另一個就有寫。
然後還有指標類與 AI Observability 的，其中第三篇的比較我覺得寫的很棒，也讓我知道不是只有最常見的 Ragas 與缺點，可惜篇幅不多，沒辦法多寫一些。
然後接下來這個是非常棒的 Prompt Engineering 網站，我大部份的 Prompt 知識都從這來。
最後我覺得 ihower 的 AI 電子報與陳縕儂教授的 NTU MiuLab真的給我很多幫助，讓我知道了很多東西，而且也常收集新知識，所以我想特別的推推。
對了實作程式碼之後在公布到我的 medium，要整理一下，有點亂。
https://medium.com/@marklin.coffee.pro
iThome鐵人賽
看影片追技術