iT邦幫忙

ai engineering相關文章
共有 28 則文章
鐵人賽 AI Engineering DAY 1

技術 【Day 1】前言:從「能動」到「能一直動」

去年我做的是處理會議紀錄的 Agent,今年做的是常駐 Agent,這兩件事的難點不在同一個地方。 會議 Agent 的問題是一次性的:語音轉文字、摘要、寄信,...

鐵人賽 AI Engineering DAY 23

技術 Day 23|規劃五個工作天:用優先矩陣安排第一波 UAT 修正

第一輪 UAT 結束後,規則確認、修正、重驗和第二輪測試資料準備,全部要放進這五個工作天。 Day 22 收到的回饋有大有小:單據無法結案會直接卡住流程,專案沒...

鐵人賽 AI Engineering DAY 22

技術 Day 22|第一次 UAT:用跨角色走查找出流程斷點

第一輪 UAT 開始,什麼請況都會出現,使用者如何操作真的是很難預期。 第一批人開始操作後,有一張單據從申請、審核一路走到最後,按下結案時卻出現伺服器錯誤。 原...

鐵人賽 AI Engineering DAY 1

技術 Day1:AI Guardrails 不應只是 AI Security、更是企業實踐 GRC 的手段之一

談到 AI Guardrails,常見的反應是:「這是 AI Security 的事吧?」也有人會問:「把限制寫進 Prompt 不就好了?」或是:「模型都這麼...

鐵人賽 AI Engineering DAY 21

技術 Day 21|UAT 我的規劃架構與修復原則

距離第一次 UAT 前,剩下四天 6 月 27 日,指揮中心第一次完成一整批需求,還剩下一些小功能調整後,7 月 1 日,系統就要交給第一批 UAT 人員使用,...

鐵人賽 AI Engineering DAY 20

技術 Day 20|UAT 前,我先把 13 項功能的 JSON 全部重跑一次

Part 4|倒數 31 天:從「AI 做完了」到「使用者真的能用」(Day 20–30) 指揮中心流程完成後,我陸續將要修改的部分都使用這個流程處理,所有功能...

鐵人賽 AI Engineering DAY 1

技術 Day 01:五年後再談 AI 落地 — 為什麼是「雙主軸」?

2021 年,我在鐵人賽寫了《從 AI 落地談 MLOps》(GitHub)。那 30 天在回答一個問題:模型訓練好了,然後呢? 五年後,這個問題不但沒有過期,...

鐵人賽 AI Engineering DAY 19

技術 Day 19|我以為 Agent 越多越快

Day 14 到 Day 18 鋪的東西——角色、Skill、分流、排批次——這一篇第一次合體。六月底一個早上,我的清單上有 30 多項任務。距離 7 月 3...

鐵人賽 AI Engineering DAY 18

技術 Day 18|多個 agent 同時動工前,先排好誰先誰後

為了不讓兩個 agent 同時改同一個檔案,導致後做的會把先做的蓋掉。 所以六月底那天走完整流程的 3 個任務,指揮中心沒有一次全部丟出去。那時距 7/31 上...

鐵人賽 AI Engineering DAY 17

技術 Day 17|一批需求進來,先分流:小改直接做,新功能才走完整流程

Day 14 那天的 11 個任務,是我手動分類的:哪些是 bug、新功能、文字調整。後來這件任務寫進了指揮中心 /orchestrate,變成它收到任務檔之後...

鐵人賽 AI Engineering DAY 16

技術 Day 16|Skill:把流程寫成一份可以維護的檔案

Day 15 定義了五個角色——誰來做。這一篇講怎麼做:那些反覆執行的流程,被寫成一份一份的 Skill 檔案。 第三代我保留了 Spec Kit 的骨架,...

鐵人賽 AI Engineering DAY 15

技術 Day 15|Frontend、API、QA、Security、Documentation:agent 角色定義

六月底那一天,我把需求文件裡的 11 項分完類、安排執行順序後,回頭想,指揮中心能把工作分批、判斷誰跟誰能平行做,是使用我定義好的 Agent —— Front...

鐵人賽 AI Engineering DAY 14

技術 Day 14|六月底那一週:一條流程,只做一個功能,這樣可以如何加速

六月底的一天,我開始陸續調整畫面,那次在一份需求文件上一次列了11個要調整的地方項目。多數是文字調整或小 bug:欄位文字要改、某個預設值該拿掉、確認頁該顯示姓...

鐵人賽 AI Engineering DAY 13

技術 Day 13|Step 8:把系統現況寫進文件,讓下一次開發接得上

Day 12 的 Security Agent 完成檢查後,我會先確認修法與剩餘風險,再進入文件更新。 剛開始做這套流程時,我把文件當成每次功能完成後要補齊的工...

鐵人賽 AI Engineering DAY 12

技術 Day 12|Step 7:加上資安審查步驟

Day 11 我把功能驗收寫成 Scenario,讓 LLM 透過 Playwright MCP 依照前置條件操作頁面。Scenario 確認的是:使用者依既定...

鐵人賽 AI Engineering DAY 11

技術 Day 11|Step 6:寫一個 AI 的驗收條件

Day 10 我先處理 AI 改程式時的範圍:哪些檔案可以動、哪些 API 與 payload 不動,完成後再看 Git diff 和頁面。 為了讓這次驗收完後...

鐵人賽 AI Engineering DAY 10

技術 Day 10|Step 5:AI 實作頁面時,控制更動的範圍

Day 09 把 API 說清楚以後,AI 要真正開始改程式,而改動結果範圍可能超過你的需求。你可能只想把一段摘要顯示得更清楚,AI 卻順手整理送出邏輯、改掉資...

鐵人賽 AI Engineering DAY 9

技術 Day 09|Step 4:先把 API 規格與 mock 放好,UI 才不會亂猜

Day 08 把一份 Plan 往下拆成 Task,讓 AI 知道接下來有哪些工作要做。不過只要其中一項工作會讀資料、送出申請,或改變畫面狀態,事情又會回到另一...

鐵人賽 AI Engineering DAY 1

技術 Day 01 :開賽!!!

Day 1|開賽 前言 作為兩年前踏入職場的菜鳥,剛好遇到了AI改變開發流程的動盪時期。 從入職剛開始手刻CRUD、建立最基本的前後端概念,到後來學習模型的應用...

鐵人賽 AI Engineering DAY 8

技術 Day 08|Step 3:Task 讓 AI 知道下一步要做什麼

Day 06 的 Spec 處理「這次要改什麼」,Day 07 的 Plan 則讓我先確認「準備怎麼改」。 一份 Plan 往往混著好幾種工作:畫面狀態要改...

鐵人賽 AI Engineering DAY 7

技術 Day 07|Step 2:Plan 讓我先確認技術細節

Day 06 的 Spec 先處理「這次要改什麼」。但當需求開始碰到既有 API、資料來源與多個檔案時,還有一件事不能跳過:先看 AI 準備怎麼做。 P...

鐵人賽 AI Engineering DAY 6

技術 Day 06|Step 1:需求寫進 Spec,AI 才有可討論的工作範圍

Part 2|第一次把開發寫成協議:DAP 的 8-Step(Day 06–13) 接下來這八天,我會回頭拆解 DAP 在上線過程中逐步形成的 8-Step。從...

鐵人賽 AI Engineering DAY 5

技術 Day 05|UI 不只是 Prompt:Pencil MCP 如何讓我先把畫面講清楚

Day 04 把申請、審核和分派帶回 DAP 後,畫面開始承接更多角色與狀態。下一個問題變成:這些畫面到底要怎麼講清楚,才不會又靠 AI 盲猜? 第三代...

鐵人賽 AI Engineering DAY 4

技術 Day 04|為了少一次開單,我決定重做整個單據流程

Day 03 確認了 JSON 有沒有被改壞。但 JSON 寄出去後,申請人還得跨系統開單、送審、分派與追蹤。這是展開第三代改版的重點項目。 第二代的 D...

鐵人賽 AI Engineering DAY 3

技術 Day 03|功能從 1 個變成 12 個後:我開始怕「改 A 壞 B」

把 Notebook 的流程搬到 Web 後,功能越來越多。我開始不只看畫面能不能跑,而是回頭比對產出的結果:改了 A,為修改的 B 的輸出還一樣嗎? Da...

鐵人賽 AI Engineering DAY 2

技術 Day 02|Vibe Coding 為什麼在 DAP 的第一階段很好用?

Day 01 我提到,DAP 的第二代不是從 Agent 或複雜流程開始,而是先用 Vibe Coding 把 Notebook 的人工作業搬到 Web。今...

鐵人賽 Build on Google AI DAY 5

技術 Day 05 如果AI Demo 成功,不代表 AI 專案成功,因為AI Engineer 的價值,不只是會使用 AI AGNET

我有多年 IT 技術與跨域學習經驗,現在把 AI、Cloud、Infrastructure 串起來。 實做 AI Demo 的時候,我們通常會先問一個問題:「它...

技術 Agentic AI 開發實戰:我是如何設計 “Code + LLM” 混合架構,解決 AI品質不穩的問題?

TL;DR 這篇文章紀錄了解決軟體工程師常見的「中英夾雜」語音輸入痛點的過程。 專案架構從單純的 API 串接,演進為 「Code + Prompt + 條件式...