iT邦幫忙

agent相關文章
共有 121 則文章
鐵人賽 DevOps DAY 16

技術 【Day 16】LLM 應用的交互模式:同步、非同步與串流架構解析

前言 在建構基於大型語言模型(LLM)的智能助手時,系統需要處理從簡單問答到複雜的 Agent 工作流(如多步驟推理、工具調用和跨代理協作)等不同任務。隨著系...

鐵人賽 DevOps DAY 15

技術 【Day 15】大規模 AI Agent 應用的維運與架構設計挑戰

一個響亮的聲音正在科技圈迴盪:「LLM Agent 時代來臨,人類不再需要學習軟體工程了!」這個論點極具誘惑力:當一個全能的 AI 助理可以根據你的自然語言需...

鐵人賽 DevOps DAY 14

技術 【Day 14】探討 LangGraph 的 Deep Research Agent 架構

概述 在當今資訊爆炸的時代,很多複雜問題都需要我們花費大量時間在網路上搜尋、閱讀和整理資訊。如果能有一個 AI 代理幫我們自動完成這些深度研究任務,將大量資料...

鐵人賽 DevOps DAY 13

技術 【Day 13】不再需要 Dashboard?LLM 驅動的可觀測性介面

概述 在可觀測性的世界裡,資料可視化與使用者介面,始終是我們從龐大數據中提煉洞見的最後一哩路。這正是為什麼像 Grafana 這樣的可視化平台,即便歷經多次技...

鐵人賽 DevOps DAY 12

技術 【Day 12】打造企業級 AI Agent:認識 Agent 框架與選用指南

概述 在上一篇文張中,我們透過 Google Agent 白皮書確立了一個核心共識:AI 應用的未來屬於能夠感知、思考、採取行動的智能代理(Agent)。而一...

鐵人賽 DevOps DAY 11

技術 【Day 11】從玩具到工具:了解生產級 LLM Agent 下的冰山

前言 許多開發者初次接觸 AI Agent,會被 ReAct (Reasoning and Acting) 框架的簡潔與強大所吸引,並迅速用幾十行程式碼實現一...

鐵人賽 DevOps DAY 10

技術 【Day 10】LLM 的「工具」思維:用 Function Calling 讓你秒懂 ReAct、MCP 與 A2A

前言 在先前關於 Google Agent 白皮書的探討中,我們觸及了一個核心觀點:一個大型語言模型(LLM)之所以能被稱為「Agent」(代理人),其關鍵區...

鐵人賽 DevOps DAY 9

技術 【Day 9】LLM 應用入門:你的 LLM 應用是 Model-based 還是 Agent-based?

概述 在過去短短兩年裡,大型語言模型(LLM)應用經歷了一場驚人的蛻變。我們從驚嘆於 ChatGPT 能寫詩作對、回答知識性問題的「聊天機器人」時代,迅速躍遷...

鐵人賽 DevOps DAY 8

技術 【Day 8】探討 Prompt 的生命週期:從版控、測試到部署

概述 在上一篇文章中,我們達成了一個重要的共識:Prompt 不僅是與 AI 的對話,它更是需要用工程紀律來嚴謹對待的 API 請求。我們也意識到,由多個 P...

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...

技術 為什麼單靠 LLM 不夠?答案在系統,不在模型

什麼是大型語言模型(LLM)? 大型語言模型的本質,其實就是一個能根據提示詞與前文脈絡,持續預測下一個 token 的深度學習模型。它的訓練方式,是先吃進海量...

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...

技術 打造你的第一個 MCP Server:從概念到實作

打造你的第一個 MCP Server:從概念到實作 建議在我的部落格中 https://blog.ray-realms.com/article/73b7d4c...

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...