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。
呼叫大型語言模型（LLM）的 API 是無狀態（Stateless）的。在先前的 讓 LangGraph 接手對話狀態管理 中，我們已使用 Checkpoint...
單一 Agent 在同一個 Context 裡規劃、呼叫工具並整理結果。任務變複雜後，會遇到三個問題： Context 被原始資料占滿：排查故障時讀進上萬行...
當線上服務發出重大警報時，SRE（網站可靠性工程師）需要同時排查多個系統：找應用程式錯誤日誌、調閱 Prometheus 效能指標，以及檢查最近是否有新的版本發...
AI Agent 上線前同樣必須經過測試，但它無法直接套用傳統軟體的單元測試。傳統程式只要輸入固定，執行的路徑與輸出結果就是確定的，可以直接比對；AI Agen...
