鐵人檔案
這系列文章帶讀者學會開發 AI Agent，並掌握讓它穩定運作的核心方法。全系列將使用 Python 與
LangGraph，以具體程式碼帶你逐步建構，並學會「語意理解」與「流程控制」的職責分離，來達到約束模型隨機性、確保系統行為安全可控的目標。
AI Agent 是一種軟體系統，能夠與其所處環境互動、收集資料，並運用這些資料執行自主任務，以達成預先設定的目標。 AI Agent 可以應用在客服、資料分析...
這篇我們使用 Python 與 Anthropic 官方 SDK，實作一個可以在終端機連續聊天的對話程式。我們先從最基本的一問一答開始，再處理讓程式記住前文的問...
在上一篇中，我們建立了能維持對話記憶與系統規則的對話程式。但如果只有上下文，模型依然無法跨出純文字回覆的限制。這一篇，我們要為模型配備 Tool（工具調用 /...
在上一篇中，我們用 Anthropic 官方 SDK 接上了天氣查詢 Tool。那時候我們寫的是一段很單純的線性流程： 這段程式從頭到尾跑一次就結束了。這種寫...
在上一篇，我們已經掌握了 State、Node 與 Edge 的核心觀念。本篇直接進入實作，動手打造第一個 LangGraph 對話程式。對應的範例程式位於 l...
在先前的對話程式中，是由呼叫端用 messages 變數手動累積歷史紀錄，每次呼叫 Graph 都要把完整的對話串列傳入。一旦同時有多個對話，呼叫端就必須自行維...
當我們要處理一封客戶來信並建立客服工單時，整個流程包含兩項不同性質的工作：先由 AI 理解信件內容並整理出結構化事實，再由程式呼叫工單系統 API 完成建單。...
在上一篇中，我們實作了由程式決定順序的固定流程：抽取工單後，流程透過固定 Edge 一定會走到建單節點。這種設計非常適合步驟明確、每一步都必須依序執行的任務。...
在上一篇 [[讓 LangGraph Agent 使用工具查詢外部資料]] 中，我們讓模型在顧客詢問特定商品時呼叫 get_product_spec 查詢規格。...
使用者在對話中不一定會一次給齊所有條件。例如顧客想退貨卻沒給訂單編號，系統無法直接進入退款流程，必須先停下來詢問單號；又或者顧客只說「推薦背包」而沒有提供預算，...
