iT邦幫忙

llm相關文章
共有 313 則文章
鐵人賽 AI & Data DAY 30

技術 【Day 30】Notion × LLM 系列最終章:從筆記到對話,30 天的蛻變

在這次鐵人賽開始之前,我的目標其實很單純:讓 Notion 筆記不只是儲存資訊,而是能主動回應問題。 30 天過去了,我們從零開始,經歷了資料結構設計、向量化、...

鐵人賽 Modern Web DAY 30

技術 旅程的終點與起點 - AI 面試官專案全貌回顧

前言 歡迎來到最後一天!照過往參賽的邏輯,今天都會是一個反省與回顧的好日子,我個人的回顧比較沒人在乎,會放在文章結束前,我們主要還是先回顧一下這30天來我們究竟...

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

技術 【Day 29】Notion RAG 系統 - 完整 Metadata 整合與 UI 優化

在 Day 28,我們成功修復了向量資料庫的結構問題,讓資料流從 SQLite 到 ChromaDB 重新順暢起來。不過當我們開啟 Streamlit App...

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 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 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 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 25

技術 【Day 25】Notion Chatbot 對話記憶與來源追蹤的設計優化:打造真正的知識助理

在 Day 24,我們打造了第一個可以「對話」的 Notion × LLM 助理,讓使用者能直接用自然語言從筆記中搜尋答案。但實際使用後我發現,它仍然比較像是「...

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 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 DevOps DAY 24

技術 【Day 24】從程式碼到資產:深入 Prompt Management 的藝術與實踐

前言 在上一篇文章中,我們探討了 LLM 可觀測性平台的重要性。今天,我們將延伸這個主題,深入探討一個與其緊密相關且至關重要的領域:Prompt Manage...

鐵人賽 生成式 AI DAY 24

技術 Day 24: Semantic Kernel 使用 Stdio 模式串接 MCP Server

在 Day 23 中,介紹如何使用 Semantic Kernel 使用 Streamable HTTP 模式串接 MCP Server ,今天來另一種 Std...

鐵人賽 DevOps DAY 23

技術 【Day 23】導入 LLM 可觀測性不需從頭開始:善用 OpenTelemetry 完美整合現有架構

前言 在大型語言模型(LLM)應用席捲全球的今天,如何有效監控並觀測這些「黑盒子」的行為,已成為維運團隊最迫切的挑戰。許多團隊早已建立了成熟的 Grafana...

鐵人賽 生成式 AI DAY 23

技術 Day 23: Semantic Kernel 使用 Streamable HTTP 模式串接 MCP Server

在 Day 22 我們介紹了 MCP 的基本概念和核心組成,今天直接來實作一個簡單的範例,使用 Microsoft 的 Semantic Kernel 來串接一...

鐵人賽 AI & Data DAY 29

技術 Day 29|實戰 AutoGen:讓 Agent 學會反思與規劃(Reflection & Planning 篇)

到目前為止,Agent 只能「問→答→(必要時)重答」,但還不會自己檢查邏輯、規劃下一步。所以今天的目標就是要讓它具備: 自我反思(Reflection):...

鐵人賽 AI & Data DAY 28

技術 Day 28|實戰 RAGAS:教 Agent 檢查自己答得好不好

昨天我們讓模型能自己選工具,從人工判斷變成自動決策,不過還有一個問題,那麼就是 :它的答案到底好不好?準不準?有沒有亂講?光靠肉眼看很難判斷,這時就要請出我們之...

鐵人賽 AI & Data DAY 27

技術 Day 27|實戰 AutoGen:讓模型自己選工具(Tool Selection 篇)

昨天我們讓系統具備了「會查條文、會記得你說過什麼」的能力,但這些功能仍然是人工判斷。今天要邁向真正的「Agent」:讓模型自己看到工具列表後,決定何時使用哪個工...

鐵人賽 AI & Data DAY 26

技術 Day 26|實戰工具化與記憶:讓系統會查條文、會記得你說過什麼

昨天我們已經完成了最小可跑的版本,連結了查資料庫、組 prompt、請模型回答,我們現在要加上兩個功能也就是工具化(Tool)與記憶(Memory)。簡單說一下...

鐵人賽 生成式 AI DAY 22

技術 Day 22: 一文認識 Model Context Protocol (MCP)

Model Context Protocol (MCP) 是由 Anthropic 於 2024 年底發起的一個開放標準,目的是讓 LLM AI 應用程式(如...

鐵人賽 DevOps DAY 22

技術 【Day 22】探討 LLM 可觀測性平台:讓你的 LLM 應用持續進化

前言 在 LLM 應用蓬勃發展的時代,將大型語言模型(LLM)推向生產環境往往只是旅程的開始,而不是結束。想像一下,一個聊天機器人應用在內部測試中表現完美,但...

鐵人賽 AI & Data DAY 25

技術 Day 25|實戰 Agent 入口設計:從查詢到答案(RAG×ChromaDB×Ollama)

今天先把最小能跑的版本 MVP 做出來,後面的幾天會加入像是工具選擇、記憶、評分那些的。為了避免越做越亂,我會先把目錄的結構畫出來再開始實作。 檔案架構 檔案...

鐵人賽 AI & Data DAY 24

技術 Day 24|生成式大型語言模型:GPT 怎麼生成文字

引言 當 ChatGPT 剛問世時,大家是不是都被它震驚到了?電腦居然能生成這麼自然、這麼像人講的文字!而且隨著 OpenAI 推出越來越多升級版,它似乎也變得...

鐵人賽 AI & Data DAY 24

技術 Day 24|AI Agent 實作規劃:打造能推理、能反思的法規助理

之前已經有基礎了,這次要繼續延伸做下去,後面應該也會放上我比較完整的程式碼,所以如果前面的內容已經忘光光的沒有關係,我這邊應該會打算做點整理,所以程式碼後面都會...

鐵人賽 生成式 AI DAY 21

技術 Day 21: LLM 模型 Function Calling 成功率簡單實測比較

在生成式 AI 興起的時代,function calling(函數呼叫) 成為 LLM(大型語言模型)落地應用的重要能力。不管是讓 AI 自動查天氣、叫外送,還...