iT邦幫忙

ai相關文章
共有 1147 則文章

技術 Excelize 釋出 2.10.0 版本,開源的 Excel 檔案基礎庫

Excelize 是 Go 語言編寫的用於操作 Office Excel 檔案基礎庫,基於 ECMA-376,ISO/IEC 29500 國際標準。可以使用它...

鐵人賽 Cloud Native

技術 附錄2 - (AI)用 APISIX 鑄造「虛擬水晶市集」:魔法樞紐的秘法解析

!!!請先閱讀須知!!! 在數位世界的黎明,一道道訊息之流如同洶湧的奧術洪流,穿梭於由代碼與能量構成的位面之間。然而,若無遠古的符文與精妙的法陣引導,這些...

鐵人賽 Cloud Native

技術 附錄1 - (AI)用 APISIX 打造虛擬百貨公司:深入解析 API 網關的核心實踐

!!!請先閱讀須知!!! 在數位轉型的浪潮下,企業的後端服務日益複雜,如何高效、安全、穩定地管理這些服務成為一個關鍵挑戰。API 網關(API Gatew...

鐵人賽 Cloud Native

技術 後記 - AI 都能寫了,為何我們還要「練鐵人」?

「有AI了,參加iT鐵人賽還有意義嗎?」這是我在參加鐵人賽前被問的問題,現在寫了30多篇的鐵人賽文章後,或許更可以來談談我的看法。 依據「2025 iThome...

鐵人賽 AI & Data DAY 30
為你自己學 n8n 系列 第 30

技術 [為你自己學 n8n] 第 30 天,n8n 之我獨自備份 n8n!

影片連結:https://www.youtube.com/watch?v=IiqqMcIcZK4YouTube 頻道:https://www.youtube....

鐵人賽 生成式 AI DAY 30

技術 Day 30: 最後一篇用軟性文章來結束這次的鐵人賽吧 - AI 重塑程式設計

今天是鐵人賽的最後一天,我想用一篇軟性文章來總結這次的旅程,並分享我對 AI 如何影響程式設計的看法。 從內容生成到智能協作的演進 這三年來,LLM 的應用經歷...

鐵人賽 DevOps DAY 30

技術 【Day 30】完賽心得:當你凝視深淵,深淵也凝視著你

完賽心得 鐵人賽挑戰的最後一天終於到來了。相比於去年的參賽經驗,我今年投入了更多的時間和精力,即便提前兩個半月開始準備,依然寫到了最後一天才完成所有內容。 最...

鐵人賽 DevOps DAY 29

技術 【Day 29】LLM 可觀測性與架構演進:從零到可治理、可優化、可規模化

前言 感謝陪伴著我近一個月的鐵人勇者們,再堅持一下我們快到終點了! 我們的旅程始於可觀測性,並以此為基點,深入到了 LLM 與 AI 應用的多個進階議題。這麼...

鐵人賽 AI & Data DAY 29
為你自己學 n8n 系列 第 29

技術 [為你自己學 n8n] 第 29 天,飛啊飛啊紙飛機 Telegram!

影片連結:https://www.youtube.com/watch?v=n1e9ct4UgeUYouTube 頻道:https://www.youtube....

鐵人賽 AI & Data DAY 30

技術 Day 30|RAG Step 4:Generation、網頁展示

引言 前面三天我們一步步完成了資料前處理、建立向量資料庫、向量檢索、重排序,今天終於要進入最後一塊拼圖:生成(Generation),也就是讓 LLM 把前面找...

鐵人賽 Odoo DAY 29

技術 【Day 29】Odoo x n8n x AI:讓 Agent 自己決定如何操作你的 Odoo 企業系統

過去幾天,我們已經學會如何讓 n8n 與 Odoo 系統連動,自動處理聯絡人、銷售機會,甚至是進銷存等核心流程。 但這些流程都有一個共通點:你需要預先設計好每一...

鐵人賽 生成式 AI DAY 29

技術 Day 29: Semantic Kernel Multi-Agent 實戰 — SEO 文案創作產生器

在數位行銷的世界中,如何撰寫既符合 SEO 規範又能打動目標受眾的產品文案,是每個行銷人員面臨的挑戰。今天就用這個主題實作一個「SEO 文案創作產生器」概念,透...

鐵人賽 Modern Web DAY 28

技術 Day28|AI 與程式設計

當我們談程式設計,常常會提到邏輯、演算法、架構,但在這個 AI 時代,會寫程式已經不夠。更重要的是——懂得讓 AI 幫你學習、幫你加速。 這篇要聊的不是「AI...

鐵人賽 DevOps DAY 28

技術 【Day 28】深入向量資料庫:理解 RAG 在 AI 時代依然至關重要

前言 前些陣子,社群上開始興起了 RAG 已死的言論,因為主流大模型的 Token 窗口已經大幅度的成長到百萬級別,足以消化大部分的資料並即時回應。這也使得一...

鐵人賽 IT 管理 DAY 27

技術 Day30:終章:成為無可取代的 AI 時代PM

終於結束三十天的挑戰,這段旅程比我想像的還要深刻,我們不只解鎖了敏捷框架、AI工具,更探討了各種軟實力。我必須坦白,在一起探索這些能力的同時,我的內心也經歷著一...

鐵人賽 IT 管理 DAY 27

技術 Day29 - 洞察探測器:用提問力挖掘對話背後的真實痛點

Moon: 黛西,我最近超沮喪!我在做用戶訪談時,用戶說:「我希望你們的 App 可以多一個『一鍵導出』的功能。」 團隊花了時間去開發這個功能,結果上線後,用戶...

鐵人賽 生成式 AI DAY 28

技術 Day 28: Semantic Kernel Multi-Agent 實戰 — 新聞內容嚴謹度評估系統

在資訊爆炸的時代,如何快速判斷新聞的可信度與嚴謹程度成為重要課題。今天要實作一個「新聞嚴謹度評估系統」,透過 Semantic Kernel Multi-Age...

鐵人賽 AI & Data DAY 27
為你自己學 n8n 系列 第 27

技術 [為你自己學 n8n] 第 27 天,同學們,交作業囉!

影片連結:https://www.youtube.com/watch?v=5AUOtIjrVUgYouTube 頻道:https://www.youtube....

鐵人賽 AI & Data DAY 28
為你自己學 n8n 系列 第 28

技術 [為你自己學 n8n] 第 28 天,網友許願之電子採購網

影片連結:https://www.youtube.com/watch?v=PXFgyo2pr5cYouTube 頻道:https://www.youtube....

鐵人賽 生成式 AI DAY 27

技術 Day 27: Semantic Kernel Multi-Agent 實戰 — 打造 PTT 熱門關鍵話題擷取系統

以 Semantic Kernel Agent Orchestration 為核心,結合 LLM 語言能力打造「輿情收集與初步分析系統」。以這樣的概念,來實作透...

鐵人賽 DevOps DAY 27

技術 【Day 27】從 RAG 到 Agentic RAG:解放知識庫的真正潛力

前言 想像一下,一個大型語言模型(LLM)就像一位博學多聞、記憶力驚人的天才,但他的知識卻永遠停留在了「畢業」的那一天。對於畢業後世界上發生的任何新知、或是特...

鐵人賽 生成式 AI DAY 26

技術 Day 26: Semantic Kernel 無縫整合 Azure AI Foundry Agent - 企業助理實作

Azure AI Foundry 是微軟提供的一站式 AI 開發與管理平台,讓建構、部署與管理 AI 解決方案都可以在一個平台裡被建立及管理,過去常聽到的 Az...

鐵人賽 DevOps DAY 26

技術 【Day 26】探討 Context Engineering:打造新一代 AI 應用的核心引擎

前言 在過去幾年,大型語言模型 (LLM) 的浪潮席捲全球,「提示工程 (Prompt Engineering)」迅速成為 AI 開發者與愛好者人人都需掌握的...

鐵人賽 AI & Data DAY 29

技術 Day 29|RAG Step 3:Reranking 重排序

引言 上一篇我們用向量檢索找出了幾個相似的 chunk。但有時候即使找到了 top_k 的候選文件,相關性的排序也還不是最完美的。有些內容雖然有相關,但對回答問...

鐵人賽 AI & Data DAY 26
為你自己學 n8n 系列 第 26

技術 [為你自己學 n8n] 第 26 天,把報名資料存到 Notion 裡!

影片連結:https://www.youtube.com/watch?v=GubHqLr_IswYouTube 頻道:https://www.youtube....

鐵人賽 DevOps DAY 25

技術 【Day 25】從可觀測性到持續優化:深入 LLM Evaluation 的藝術與實踐

前言 在先前文章中,我們探討了 LLM 可觀測性平台的重要性。然而,僅僅能夠「看見」模型的行為是不夠的;我們還需要一套系統化的方法來「衡量」其優劣,這就是 L...

鐵人賽 Odoo DAY 25

技術 【Day 25】n8n AI Agent 大腦的兩種思考模式:用 Gemini 玩轉 Regular 與 Reasoning 模型

我們一路走來,已經為 AI Agent 建立了大腦 (LLM)、靈魂 (Prompt)、記憶 (Memory) 和工具 (Tools)。你甚至學會了如何為它配置...

鐵人賽 AI & Data DAY 28

技術 Day 28|RAG Step 2:Retrieval 向量檢索

引言 在上一篇的內容中,我們把所有文章切成小段落(chunk),再用 BGE-M3 轉成向量,存進 Qdrant,完成了我們的 知識向量資料庫。前一篇傳送門🚪...

鐵人賽 生成式 AI DAY 25

技術 Day 25: Semantic Kernel 無縫整合 OpenAI Assistant Agent - 智能客服系統實作

可能很多人不知道,OpenAI 有一個 Assistant Agent 的功能,它是由 OpenAI 平台託管的 AI Agent,能夠在雲端長期運作,並與使用...

鐵人賽 AI & Data DAY 27

技術 Day 27|RAG Step 1:Chunking、向量資料庫

引言 打造我們的 RAG 系統的第一步就是要先處理好我們知識的來源:「資料庫」! 今天的內容是要建立一個能用 語意搜尋 的資料庫,也就是 向量資料庫(Vecto...