鐵人檔案
在生成式 AI 的浪潮下，各式 LLM 應用迅速湧現，JavaScript／Node.js 雖在 Web 領域已相當成熟，但針對 AI 應用的實戰分享仍相對有限。身為長期深耕 JS 生態圈的開發者，我希望藉由熟悉的技術工具，實現更多生成式 AI 應用的可能性。
本系列將以 Node.js 打造生成式 AI 應用為主軸，從 OpenAI API 入門，逐步深入 Prompt 提示工程、LangChain 核心功能與 RAG 技術實作，並透過 LangGraph 建構 AI Agent，最終探討本地模型部署。透過完整的實戰範例，協助開發者快速掌握 AI 工具鏈，打造靈活且可擴展的智慧應用。
這幾年，AI 工具如雨後春筍般湧現，從 ChatGPT、Claude 到 Gemini，以及各種生成式平台，無論是當成新奇工具體驗，還是正式導入產品流程，幾乎每...
在第一天，我們已經談過這個系列的整體目標與規劃。不過，在開始動手寫程式之前，我們得先釐清一個根本問題——大型語言模型（LLM）的 API 究竟能做什麼？我們該如...
在前一篇文章中，我們已經認識了 OpenAI API 的基本功能與使用方式。今天要正式進入實作，透過最簡潔的程式碼範例，快速體驗如何呼叫 API，並將它應用在一...
在前一篇文章中，我們已經學會如何透過 OpenAI API 建立一個基本的 CLI 聊天機器人，並進一步支援串流輸出與多輪對話。不過，實際使用時你可能會發現，A...
在前幾篇文章中，我們已經學會如何呼叫 OpenAI API，並透過提示工程來控制回應的角色與風格。不過在實際應用中，不同情境往往需要截然不同的回答方式：有時候我...
在前幾篇文章中，我們已經能讓聊天機器人具備多輪對話能力，並透過提示工程與參數控制回應風格。但到目前為止，它仍然只能依靠模型本身的知識來回答問題。一旦使用者提出需...
昨天我們介紹了如何運用 Function Calling，讓模型能夠執行外部功能，進一步擴展聊天機器人的能力。不過，隨著功能持續擴充，程式碼的維護難度也隨之增加...
昨天我們初步認識了 LangChain，了解到它是一個專為 LLM 應用程式設計的框架，能幫助我們用模組化的方式組合大型語言模型應用。 今天我們要動手實作，從零...
在昨天的實作中，我們已經學會如何使用 LangChain 建立基本的 LLM 應用程式，並將原本基於 OpenAI SDK 實作的 CLI 聊天機器人，重構為以...
在前一篇文章中，我們介紹了 提示模板（Prompt Templates），透過模組化與參數化設計，讓提示語更具彈性與可讀性。不過，提示模板解決的只是「輸入」問題...
