iT邦幫忙

agent相關文章
共有 50 則文章
鐵人賽 DevOps DAY 7

技術 【Day 7】探討 Prompt Engineering:LLM 的入門磚

概述 在先前的章節中,我們已經深入探討了大型語言模型(LLM)在可觀測性領域中的定位與重要性。我們認識到:LLM 可觀測性的核心,在於如何評估其輸出的不確定性...

鐵人賽 DevOps DAY 6

技術 【Day 6】OpenTelemetry 對於 LLM 可觀測性的重要性

概述 在上一篇文章中,我們深入探討了 LLM 應用的獨特性。它是一個機率性的、以語義為核心的「黑盒子」。我們意識到,傳統的監控手段已無法應對其在遙測、輸出、成...

鐵人賽 DevOps DAY 5

技術 【Day 5】認識 LLM 可觀測性:迎接挑戰的第一課

概述 在過去幾篇文章中,我們從傳統監控一路聊到「可觀測性 2.0」,並探討了為何像 ClickHouse 這樣的 OLAP 資料庫會成為新時代的基石。這一切的...

鐵人賽 DevOps DAY 4

技術 【Day 4】可觀測性2.0的明日之星 - ClickHouse

概述 在上一篇文章中,我們探討了從傳統監控邁向『可觀測性 2.0』的關鍵轉變,其核心在於能夠應對海量、高基數的遙測資料,並進行即時的探索式分析。這對後端的資料...

鐵人賽 DevOps DAY 3

技術 【Day 3】傳統可觀測性與可觀測性 2.0:只是另一個 Buzzword?

概述 天下分久必合,合久必分。軟體世界從不缺乏閃亮的新名詞,尤其在微服務與雲原生逐漸成為主流的這些年,可觀測性(Observability) 和 分佈式追蹤(...

鐵人賽 DevOps DAY 2

技術 【Day 2】可觀測性與監控是什麼?

概述 多年來,IT 監控以各種方式被應用和部署。其核心目的是收集有關不只是 IT 基礎設施以及雲原生服務的硬體和軟體運作指標,確保所有關鍵功能都能順利運作,進...

鐵人賽 DevOps DAY 1

技術 【Day 1】探索 LLM 可觀測性之旅

前言 2025 年可以說是 LLM 應用真正大放異彩的一年。原因在於,LLM 的使用場景早已不再侷限於像 ChatGPT 這樣的網頁聊天視窗,如今它已經延伸到...

鐵人賽 生成式 AI DAY 4
我不想努力了,AI! 系列 第 4

技術 Day 4:我不當工程師啦!AI!

對,不當工程師了,也不想當 PM 了「嗯,我要當老闆!」 重新正視我自己心之所向,就是說的滿嘴的好 Code,滿嘴的需求,俗稱出一張嘴「出一張嘴」才是我人生志業...

鐵人賽 DevOps DAY 1

技術 鐵人賽 day1 - 什麼是 n8n,免費仔的起點

Hello,我是 KK,今年的鐵人賽,想跟大家分享架設 n8n 遇到的一些挑戰跟意外。但在開始前,為了完全沒聽過 n8n 的讀者,請讓我快速介紹一下什麼是 n8...

鐵人賽 生成式 AI DAY 26

技術 [Replit Agent] 不能讓鬼島老闆知道的接案神器

📌 本主題系列大部分皆為 AI 生成後潤飾📌 生成本主題系列的工作流程請參考另一個主題系列:[我無限升級,30天解鎖獨自升級金手指!你老闆不能知道的 AIGC...

鐵人賽 生成式 AI DAY 26

技術 [Level 13] 使用 Zapier 建立強大的 AI Agent

📌 本主題系列工作流所生成的文章,請參考另一個主題系列:[轉生到鬼島的反派,為了生存必須在30天內學會30種 AI 工具!]📌 本主題內容以個人經驗為主探索 A...

鐵人賽 生成式 AI DAY 25

技術 [Level 12] 使用 Make 建立強大的 AI Agent

📌 本主題系列工作流所生成的文章,請參考另一個主題系列:[轉生到鬼島的反派,為了生存必須在30天內學會30種 AI 工具!]📌 本主題內容以個人經驗為主探索 A...

鐵人賽 生成式 AI DAY 24

達標好文 技術 [Level 11] 使用 n8n 建立強大的 AI Agent

📌 本主題系列工作流所生成的文章,請參考另一個主題系列:[轉生到鬼島的反派,為了生存必須在30天內學會30種 AI 工具!]📌 本主題內容以個人經驗為主探索 A...

鐵人賽 生成式 AI DAY 13

技術 <玩轉大語言模型> LangChain: Agent with search tool

上一篇我們實做了zero-shot react description,本篇我們繼續實作其他AgentType! 我們就先來實作上篇有介紹過的Self-Ask...

鐵人賽 生成式 AI DAY 12

技術 <玩轉大語言模型> LangChain: AgentType(Zero-Shot React Description)

上一篇我們講完了Agent以及他的相關對象的關係,今天我們就來介紹一些不同的AgentType! Zero-Shot React Description:...

鐵人賽 生成式 AI DAY 11

技術 <玩轉大語言模型> LangChain: Agent

本篇要繼續來介紹另一個LangChain中很重要的概念,就是Agent! Agent Agent是LangChain中的核心概念,可以把他想成一個「智能協調者...

鐵人賽 生成式 AI DAY 20

技術 【Day 20】- 結合 LangGraph 與 MongoDB 打造智慧工地安全監控系統:Agentic RAG 技術應用實例

摘要這篇文章探討了如何將 LangGraph 的強大功能與 MongoDB 的資料儲存和檢索能力相結合,打造一個智慧的工地安全監控系統。文章首先介紹了 Lan...

鐵人賽 生成式 AI DAY 25

技術 【Day 25】- 數位轉型下的工安革命:知識圖譜與LangGraph的完美結合

摘要這篇文章深入探討了如何將知識圖譜與 LangGraph 結合,打造一個智慧化的工安監控管理系統。文章首先介紹了知識圖譜在管理工安資料的優勢,包括儲存結構化...

鐵人賽 生成式 AI DAY 26

達標好文 技術 【Day 26】- Ollama: 革命性工具讓本地 AI 開發觸手可及 - 從安裝到進階應用的完整指南

摘要這篇文章是一篇關於 Ollama 的詳細指南,介紹了 Ollama 這個開源本地大型語言模型運行框架。文章首先介紹了 Ollama 的背景、特性和優點,強...

鐵人賽 生成式 AI DAY 24

技術 【Day 24】- GraphRAG:革新檢索增強生成的新範式

摘要這篇文章介紹了一種名為 GraphRAG 的新型檢索增強生成技術,它由微軟研究團隊提出,旨在突破傳統 RAG 方法在處理複雜資訊時的局限性。GraphRA...

鐵人賽 生成式 AI DAY 23

技術 【Day 23】- Adaptive-RAG:動態檢索策略提高系統問答精準度

摘要這篇文件介紹了一種名為「Adaptive-RAG」的技術,它旨在提升問答系統的準確性和效率。Adaptive-RAG 的核心概念是根據使用者查詢的複雜度動...

鐵人賽 生成式 AI DAY 22

技術 【Day 22】- CRAG: 檢索增強生成的糾錯機制 - 提升大型語言模型問答精確度

摘要這篇文章介紹了一種名為「Corrective RAG (CRAG)」的技術,旨在提升大型語言模型(LLM)在問答系統中的準確性和可靠性。CRAG 的核心思...

鐵人賽 生成式 AI DAY 21

技術 【Day 21】- 從基礎到進階: 掌握RAG基礎並使用LangGraph實現Agentic RAG

摘要這篇文章探討了檢索增強生成 (Retrieval-Augmented Generation, RAG) 技術,它結合了資訊檢索和文本生成,以克服現有大型語...

鐵人賽 生成式 AI DAY 19

技術 【Day 19】- LangGraph 的記憶機制:提升 AI 助理的上下文理解能力

摘要這篇文章探討了 LangGraph 這個框架,它用於提升 AI 助理的記憶能力,並能有效管理對話歷史。文章首先說明了 AI 助理需要記憶功能的原因,以及記...

鐵人賽 生成式 AI DAY 18

技術 【Day 18】- LangGraph 與 LangFuse:打造 Agent 觀測系統全方位指南

摘要這篇文章探討了如何使用 LangGraph 與 LangFuse 打造全方位的 Agent 觀測系統。LangGraph 是一個用於構建複雜 AI 代理應...

鐵人賽 生成式 AI DAY 17

技術 【Day 17】- 多代理系統設計: 監督者模式的應用與實踐

摘要這篇文章探討了多代理系統設計中監督者模式的應用和實踐。文章首先回顧了多代理系統的基本概念和協作模式,接著介紹了監督者模式的特性,並以台灣棒球和啦啦隊新聞處...

鐵人賽 生成式 AI DAY 16

技術 【Day 16】- Agentic Pattern:以多代理協作模式革新 AI 系統

摘要這篇文章探討了 多代理系統 在人工智能領域的應用,特別是 如何利用 LangGraph 框架來構建和管理多代理系統。文章首先介紹了多代理系統的基本概念,包...

鐵人賽 生成式 AI DAY 15

技術 【Day 15】- Agentic Design Pattern: Planning - 賦予 AI 自主規劃能力

摘要這篇文章主要介紹了 Agentic Design Pattern 中的 Planning 模式,它賦予 AI 自主規劃的能力,讓 AI 能夠處理那些難以預...

鐵人賽 生成式 AI DAY 14

技術 【Day 14】- 翻譯革新:從吳恩達的 Translation Agent 到 LangGraph 的智能協作模式

摘要這篇文章主要探討了「AI 代理」領域的最新進展,以吳恩達團隊推出的 Translation Agent 開源工具為例,展現了 AI 如何革新翻譯的效率和準...

鐵人賽 生成式 AI DAY 13

技術 【Day 13】- 進階 LLM 反思機制:Reflexion 技術的創新與應用

摘要這篇文章探討了大型語言模型(LLM)領域中的反思機制,特別是新興的 Reflexion 技術。它首先回顧了先前 Self-Refine 技術的局限性,例如...