動機與初衷
身為一名即將畢業的學生，立志成為微軟等頂尖企業的軟體工程師，我深知保持「成長思維 (Growth Mindset)」是職涯發展的關鍵。現今業界極度看重如何將大語言模型穩定整合進系統中，也就是所謂的 AI Engineering。藉由這次鐵人賽，我將挑戰把 Prompt 技巧、RAG 向量檢索、Dify 與 n8n 的自動化工作流，以及前瞻的 MCP 協定，濃縮成 30 天實戰。這不僅是自我技術的驗證，也希望能帶領大家一起實踐 AI 應用落地。

四週大綱

1. 第一週 (Day 1-7)： 認識各大主流模型 (GPT-4o, Gemini 等)，並掌握 Prompt 與 Context Engineering，學會讓 AI 產出穩定、結構化的資料。
2. 第二週 (Day 8-15)： 打破記憶限制。深入探討 RAG (檢索增強生成)，並用 Meta Faiss 實作向量資料庫，讓 AI 學會看我們的專屬文件。
3. 第三週 (Day 16-23)： 釋放生產力。導入 Low-code 工具 Dify 與 n8n，把知識庫變成能自動執行任務的工作流與 Agent。
4. 第四週 (Day 24-30)： 實戰前瞻的 MCP (Model Context Protocol) 協定，並完成最終的 AI 助手專案。

事前準備
在我們明天正式動工前，請先備妥以下開發資源：

• 開發環境： 準備慣用的編輯器（推薦 VS Code）與基礎的程式執行環境。

• API 金鑰： 註冊並取得主流大語言模型（如 OpenAI 或 Gemini）的 API Key

• 平台帳號： 預先註冊 Dify 與 n8n 免費帳號，方便後續串接工作流。