鐵人檔案
只要 30 天，從 0 打造專屬 AI 聊天助理！先學會規劃對話流程、資料來源與個人化設定，腦中先有藍圖，再走兩條落地路線：路線一：Gemini API（透過 Google AI Studio）；路線二：Gemini API in Vertex AI——會完整跑一遍；另外，如需多代理/搜尋等進階能力，會補充 AI Applications（原 Agent Builder） 的用法。30 天結束，打造一個可用、可管、可維運的 AI 助理。
模組三：知識整合模組 (knowledge_integrator.py) from typing import List, Dict, Any, Tuple f...
最近工作、家庭兩邊拉扯，寫作節奏被打亂。回頭看前面幾篇，從「長期／短期記憶」之後確實有點散。我先把目前進度收斂成清楚的地圖，之後文章會照這條路線補齊。目標很單純...
前情提要：前面幾篇我們把腦袋練起來（Prompt、記憶、RAG）。接下來要把它變成 能佈署、能監控、能管成本 的雲端系統。這篇先不急著寫程式，先用 GCP 的觀...
前篇我們畫好了系統藍圖，這篇開始寫程式碼。我們先讓最小可用版本跑起來，再逐步加功能。 目標：30 分鐘內讓一個能對話的 AI 助手在本地跑起來，再花 30 分鐘...
前篇我們把 chat-service 和 memory-service 在本地跑起來了。這篇要把它們部署到 GCP 生產環境，並且做對所有容易踩坑的地方。 目標...
前面我們建立了基礎的對話系統。這篇要用 GCP 既有的 AI 服務 打造 RAG 檢索系統 目標：利用 GCP 託管服務，用最少的程式碼實現 RAG 功能。 1...
昨天我們建立了 chat-service 和 RAG 檢索系統，但用戶體驗還有個大問題：等待黑盒子。用戶發問後只能乾等 10-30 秒，不知道系統在做什麼。 這...
前面我們建立了基礎對話系統、RAG 檢索和即時推播。但目前的 AI 助手還只能「聊天」和「查資料」。這篇要用 Vertex AI Agent Builder +...
前面我們打造了功能完整的 AI 助手系統，但系統上線後你會面臨靈魂三問： ❓ 為什麼突然變慢了？ ❓ 這個月 Gemini API 費用為什麼這麼高？...
