iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

1 Like 0 留言 550 瀏覽

鐵人賽 AI & Data DAY 17

Notion遇上LLM：30天打造我的AI知識管理系統系列第 17 篇

技術【Day 17】反思 Notion 架構與 Database 設計：為 LLM 打好地基

在前 16 天，我們已經把 Notion 筆記一路轉換：從 JSON → SQLite → Chunking → Embedding → Chroma DB，建...

Nikki Chen ‧ 2025-10-01 ‧團隊三陳牛肉吉事堡

2 Like 0 留言 2578 瀏覽

鐵人賽 DevOps DAY 17

初探 LLM 可觀測性：打造可持續擴展的 AI 系統系列第 17 篇

技術【Day 17】終結 LLM 應用混沌：AG-UI 協議如何統一通訊介面

當前，人工智慧的發展已經進入一個新紀元。從 OpenAI、Google 到 Anthropic，各大巨頭皆有能力開發出執行深度研究、編寫程式碼 (IDE) 或...

mikehsu0618 ‧ 2025-10-01

0 Like 0 留言 629 瀏覽

鐵人賽生成式 AI DAY 17

當 .NET 遇見 AI Agents：用 Semantic Kernel × MCP 打造智慧協作應用系列第 17 篇

技術 Day 17: Semantic Kernel Multi-Agent 實戰 - 群組討論 Agent 協作

今天要來看另一種多 Agent 的應用場景：群組討論。這種情境下，會有多個 Agent，每個 Agent 可能扮演不同的角色，進行群組討論，並且需要協同工作來完...

Ian ‧ 2025-10-01

0 Like 0 留言 851 瀏覽

鐵人賽 AI & Data DAY 20

RAG × Agent：從知識檢索到智慧應用的30天挑戰系列第 20 篇

技術 Day 20｜實戰 RAGAs：量化檢索與生成的表現

前面指標能介紹的都介紹完了，今天就開始我們的實作吧！要複習的話可以參考前幾天的內容，就讓我們開始ㄅ～ 1. 安裝環境這邊我們使用 Ollama + Mistr...

otterday ‧ 2025-10-04

2 Like 0 留言 1699 瀏覽

鐵人賽 DevOps DAY 16

初探 LLM 可觀測性：打造可持續擴展的 AI 系統系列第 16 篇

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...

mikehsu0618 ‧ 2025-09-30

0 Like 0 留言 429 瀏覽

鐵人賽 AI & Data DAY 19

RAG × Agent：從知識檢索到智慧應用的30天挑戰系列第 19 篇

技術 Day 19｜RAG 評估指南（2/2）：RAG 特定指標（下）

昨天介紹了 RAGAs 當中的核心指標了，今天是主要討論跟總結。其實昨天只提到了最主要的核心部分，不過還有很多可以去仔細翻閱查看，這邊就留給大家學習了，絕對不是...

otterday ‧ 2025-10-03

0 Like 0 留言 520 瀏覽

鐵人賽生成式 AI DAY 16

當 .NET 遇見 AI Agents：用 Semantic Kernel × MCP 打造智慧協作應用系列第 16 篇

技術 Day 16: Semantic Kernel Multi-Agent 實戰 - SequentialOrchestration 實現合約內容的多代理人協同審查

今天的範例同樣以 SequentialOrchestration 為主題，但這次我們將應用在合約內容審查上。合約是許多企業日常運營中不可或缺的一部分，確保合...

Ian ‧ 2025-09-30

0 Like 0 留言 676 瀏覽

鐵人賽 AI & Data DAY 18

RAG × Agent：從知識檢索到智慧應用的30天挑戰系列第 18 篇

技術 Day 18｜RAG 評估指南（2/2）：RAG 特定指標（上）

前面有介紹過一些傳統的指標像是精確率、召回率那些，不過那些指標都不能完整的反應 RAG 的效能，因為 RAG 的系統同時會牽涉到「檢索」與「生成」兩個部分，所以...

otterday ‧ 2025-10-02

0 Like 0 留言 428 瀏覽

鐵人賽 AI & Data DAY 17

RAG × Agent：從知識檢索到智慧應用的30天挑戰系列第 17 篇

技術 Day 17｜RAG 評估指南（1/2）：檢索指標（下）

今天只負責總結內容噢！如果需要看更詳細的內容就請回顧下面這兩天的： Day 15｜RAG 評估指南（1/2）：檢索指標（上） Day 16｜RAG 評估...

otterday ‧ 2025-10-01

0 Like 0 留言 496 瀏覽

鐵人賽生成式 AI DAY 15

當 .NET 遇見 AI Agents：用 Semantic Kernel × MCP 打造智慧協作應用系列第 15 篇

技術 Day 15: Semantic Kernel Multi-Agent 實戰 - SequentialOrchestration 實現線性流程的多代理人協同審查

在前一篇文章中，我們介紹了如何使用 Semantic Kernel 的 HandoffOrchestration 編排系統來管理多個代理人之間的協作與任務轉移。...

Ian ‧ 2025-09-29

1 Like 0 留言 1499 瀏覽

鐵人賽 DevOps DAY 15

初探 LLM 可觀測性：打造可持續擴展的 AI 系統系列第 15 篇

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...

mikehsu0618 ‧ 2025-09-29

0 Like 0 留言 759 瀏覽

鐵人賽 AI & Data DAY 16

RAG × Agent：從知識檢索到智慧應用的30天挑戰系列第 16 篇

技術 Day 16｜RAG 評估指南（1/2）：檢索指標（中）

延續昨天的內容，如果想回顧其他指標的話可以看上一篇－－Day 15｜RAG 評估指南（1/2）：檢索指標（上）廢話不多說了，我們馬上開始！ 5. F1 分數...

otterday ‧ 2025-09-30

0 Like 0 留言 649 瀏覽

鐵人賽 AI & Data DAY 15

RAG × Agent：從知識檢索到智慧應用的30天挑戰系列第 15 篇

技術 Day 15｜RAG 評估指南（1/2）：檢索指標（上）

昨天有說到 RAG 的效能衡量可以分成兩大類，今天就是要先介紹檢索指標（Retrieval metrics）。我們不需要把檢索和生成混在一起看，而是可以單獨檢查...

otterday ‧ 2025-09-29

0 Like 0 留言 525 瀏覽

鐵人賽生成式 AI DAY 14

當 .NET 遇見 AI Agents：用 Semantic Kernel × MCP 打造智慧協作應用系列第 14 篇

技術 Day 14: Semantic Kernel Multi-Agent 實戰 - 多代理人的 HandoffOrchestration 編排系統

前面的幾個範例是以單一代理人 (Single Agent) 為主，無論是單工具 (Single Tool) 還是多工具 (Multi-Tool) 的情境，都由同...

Ian ‧ 2025-09-28

1 Like 0 留言 1820 瀏覽

鐵人賽 DevOps DAY 14

初探 LLM 可觀測性：打造可持續擴展的 AI 系統系列第 14 篇

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...

mikehsu0618 ‧ 2025-09-28

0 Like 0 留言 672 瀏覽

鐵人賽 AI & Data DAY 14

RAG × Agent：從知識檢索到智慧應用的30天挑戰系列第 14 篇

技術 Day 14｜RAG 評估方法概要：量化效能，避免幻覺

這次要講的內容是如何去評估 RAG 的效能。我們使用 RAG 的最大原因，就是希望能避免 LLM 產生幻覺，但問題是：即使結合了檢索，我們仍然不能百分之百保證...

otterday ‧ 2025-09-28

0 Like 0 留言 472 瀏覽

鐵人賽生成式 AI DAY 13

當 .NET 遇見 AI Agents：用 Semantic Kernel × MCP 打造智慧協作應用系列第 13 篇

技術 Day 13 : Semantic Kernel Single Agent 實戰 - 多工具的 OfficeOne Agent 同時處理多項任務

在前一篇 Day 12 中，我們建立了一個 OfficeOne Agent，能夠根據使用者需求選擇合適的工具來處理辦公室相關請求。然而，在實際應用場景中，使用者...

Ian ‧ 2025-09-27

1 Like 0 留言 802 瀏覽

鐵人賽 DevOps DAY 13

初探 LLM 可觀測性：打造可持續擴展的 AI 系統系列第 13 篇

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...

mikehsu0618 ‧ 2025-09-27

0 Like 3 留言 584 瀏覽

鐵人賽生成式 AI DAY 14

Android 不會只更新 UI ! 用 Vibe Coding ? 加速打造 Al-native App 系列第 14 篇

技術 Day 14 - Context Engineering

前幾篇講述了 Vibe Coding 與 Prompt Engineering，接下來要講述 Context Engineering (上下文工程) 提示詞與系...

onedream ‧ 2025-09-28 ‧團隊nutc imac

0 Like 0 留言 573 瀏覽

鐵人賽 AI & Data DAY 13

RAG × Agent：從知識檢索到智慧應用的30天挑戰系列第 13 篇

技術 Day 13｜實戰 Generation Pipeline：Chroma 檢索 × Ollama 生成的完整流程

今天要實作的內容是 Generation pipeline 的部分，就是怎麼將提問跟 RAG 檢索到的資料全部丟到 LLM 給他做回應。因為這邊後面的實作內容...

otterday ‧ 2025-09-27

0 Like 0 留言 527 瀏覽

鐵人賽生成式 AI DAY 12

當 .NET 遇見 AI Agents：用 Semantic Kernel × MCP 打造智慧協作應用系列第 12 篇

技術 Day 12 : Semantic Kernel Single Agent 實戰 - 多工具的OfficeOne Agent

這篇我們要來做一個基於 Single Agent 變化的 AI Agent 範例——「OfficeOne Agent」，這個助理可以根據使用者的需求，使用最合適...

Ian ‧ 2025-09-26

0 Like 0 留言 1472 瀏覽

鐵人賽 AI & Data DAY 24

感知你的動作與情緒：深度學習在人機互動的應用系列第 24 篇

技術 Day 24 | ChatGPT × HCI：語言模型作為 UX 助理

前言到目前為止，我們已經把「感知 → 融合 → 狀態 → 回饋」跑起來了；今天轉向人機互動（HCI）本身：當 ChatGPT 這類大型語言模型（LLM）變...

minsnow ‧ 2025-09-26

1 Like 0 留言 3597 瀏覽

鐵人賽 DevOps DAY 12

初探 LLM 可觀測性：打造可持續擴展的 AI 系統系列第 12 篇

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...

mikehsu0618 ‧ 2025-09-26

2 Like 0 留言 369 瀏覽

鐵人賽 Mobile Development DAY 30

Mobile Dev｜日更靈感來源 App：Flutter × LLM × n8n，每天只推 3 則！系列第 30 篇

技術【30 天做一個極簡App】鐵人賽完賽心得、專案回顧與未來展望

終於寫到Day 30了～在過去寫文章的日子裡，從一個模糊的想法開始，透過每天的持續推進，一手打造出橫跨前後端、整合了LLM人工智慧、具備雲端同步與雙平台上架能力...

Sonia ‧ 2025-09-30 ‧團隊熊熊嗚好！

0 Like 0 留言 936 瀏覽

鐵人賽 AI & Data DAY 12

RAG × Agent：從知識檢索到智慧應用的30天挑戰系列第 12 篇

技術 Day 12｜實戰向量資料庫：用 ChromaDB 查詢法規內容

昨天已經教學大家要怎麼做 Chunking 了，今天就是要教學如何把它放進一個可以用來查詢的資料庫，這邊我們也會試著提問，看產出。雖然我昨天的教學只有教你怎麼切...

otterday ‧ 2025-09-26

0 Like 0 留言 555 瀏覽

鐵人賽 AI & Data DAY 11

RAG × Agent：從知識檢索到智慧應用的30天挑戰系列第 11 篇

技術 Day 11｜實戰 Chunking：從《資通安全管理法》學習切分技巧

今天就開始我們的實作，這次我取用的資料是資通安全管理法，這邊可以直接點擊網站下載。 1. 取得文件內的文字要處理這個文件前，要先取得這個檔案的內容。 # 要先安...

otterday ‧ 2025-09-25

3 Like 0 留言 941 瀏覽

鐵人賽 DevOps DAY 11

初探 LLM 可觀測性：打造可持續擴展的 AI 系統系列第 11 篇

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...

mikehsu0618 ‧ 2025-09-25

0 Like 0 留言 490 瀏覽

鐵人賽生成式 AI DAY 11

當 .NET 遇見 AI Agents：用 Semantic Kernel × MCP 打造智慧協作應用系列第 11 篇

技術 Day 11: Semantic Kernel Single Agent 實戰 - 銀行匯款 Agent

這篇我們要來做一個實用又貼近生活的 AI Agent 範例——「銀行匯款 Agent」。這個助理的任務很單純，就是幫我們完成一筆台幣（TWD）的國內匯款資料蒐...

Ian ‧ 2025-09-25

0 Like 0 留言 665 瀏覽

鐵人賽生成式 AI DAY 10

當 .NET 遇見 AI Agents：用 Semantic Kernel × MCP 打造智慧協作應用系列第 10 篇

技術 Day 10：來了!! Single Agent 實戰 - 對帳稽核 Agent

延續上一篇文章，本篇將來實作一個 Single Agent 範例，目標是打造一個「應付帳款三方對帳（PO／收貨單／發票）稽核 Agent」，流程是把「採購單（P...

Ian ‧ 2025-09-24

3 Like 0 留言 1280 瀏覽

鐵人賽 DevOps DAY 10

初探 LLM 可觀測性：打造可持續擴展的 AI 系統系列第 10 篇

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...

mikehsu0618 ‧ 2025-09-24

技術 【Day 17】反思 Notion 架構與 Database 設計：為 LLM 打好地基

技術 【Day 17】終結 LLM 應用混沌：AG-UI 協議如何統一通訊介面