鐵人檔案
筆者蟬聯四次 AI 領域的微軟最有價值專家（Microsoft AI MVP）。多年來帶領 AI 團隊完成許多大型專案，也一直在分享 AI 相關的知識與技術，例如在去年 LLMs 尚未爆紅時，就在鐵人賽有系統地整理與介紹 Hugging Face。
本次會從虛擬環境架設開始，包含向量資料庫，Hugging Face，Azure 的 AI 解決方案，到 web API 架設並做成應用程式。
全端 LLM 應用開發-Day21-用 Qdrant 儲存向量資料 昨天我們談了 Qdrant 的優勢，以及和其他向量資料庫的比較。還有一點我昨天忘記講的是，微...
全端 LLM 應用開發-Day22-Retrieval-Augmented Generation (RAG) 為什麼只有 embedding 是不夠的？ 我們談...
全端 LLM 應用開發-Day23-Langchain 介紹與缺點 Langchain 介紹 Langchain 是一個專為開發由大型語言模型（LLMs）應該開...
全端 LLM 應用開發-Day24-緊急插入中研院事件 中研院 CKIP 團隊今天爆出爭議，緊急插入這篇文章。 中研院前陣子釋出的 CKIP-Llama-2-7...
全端 LLM 應用開發-Day25-用 Langchain 來做 embedding Langchain 的操作很不一樣，我們今天來示範如何使用 Langcha...
全端 LLM 應用開發-Day26-用 Langchain 來做 PDF 文件問答 今天我們把昨天的程式碼整理一下，並且加上新功能：把 PDF 載入，然後產生...
全端 LLM 應用開發-Day27-Langchain 的 Model I/O 我們昨天快速完成了一個常見的應用，今天開始我們來講 Langchain 的基礎。...
全端 LLM 應用開發-Day28-Langchain 的 Memory 還記我們在第 25 天時，用了 ConversationalRetrievalChai...
全端 LLM 應用開發-Day29-Langchain 的 chain 我們目前已經過用了 ConversationalRetrievalChain，但是 La...
全端 LLM 應用開發-用 Langchain 的 agent 來做更多事情（五條體產生器） Agent 介紹 Agent （代理） Agent 是 Langc...
