iT邦幫忙

鐵人檔案

2025 iThome 鐵人賽
回列表
生成式 AI

用 Node.js 打造生成式 AI 應用:從 Prompt 到 Agent 開發實戰 系列

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。

鐵人鍊成 | 共 31 篇文章 | 11 人訂閱 訂閱系列文 RSS系列文
DAY 21

Day 21 - LangGraph 快速上手:使用圖形流程打造 AI Agent

昨天我們認識了 AI Agent 的基本概念:一個能夠自主規劃與決策的系統,不再只是單純「你問我答」的 LLM 應用。那麼要如何落地實作一個 Agent 呢?這...

2025-09-21 ‧ 由 Kevin Wang 分享
DAY 22

Day 22 - ReAct 模式實戰:封裝 LLM 建立可推理與行動的 Agent

在前一篇文章中,我們已經學會如何用 LangGraph 建立基本的 AI Agent 流程。今天,我們要更進一步,介紹一個經典的 Agent 設計模式:ReAc...

2025-09-22 ‧ 由 Kevin Wang 分享
DAY 23

Day 23 - 多代理系統:打造具協作能力的 AI 架構

在前幾篇文章中,我們已經學會如何使用 LangGraph 建立單一 Agent,並讓它能夠依循 ReAct 模式進行推理與行動。不過在更複雜的應用場景裡,一個...

2025-09-23 ‧ 由 Kevin Wang 分享
DAY 24

Day 24 - 人機協作流程設計:設置中斷點建立互動決策機制

在前一篇文章中,我們介紹了如何設計 多代理系統,讓不同的 Agent 各自專精於任務並協同合作。然而,在實際應用中,僅依賴全自動化流程往往難以應付所有情境。當任...

2025-09-24 ‧ 由 Kevin Wang 分享
DAY 25

Day 25 - AI Agent 記憶管理:打造能延續對話與持久化的智慧助理

在前一篇文章中,我們探討了如何實現人機協作功能,其中 Checkpointer 扮演了關鍵角色,讓流程在中斷後能夠順利恢復。換句話說,它提供了一種 短期記憶 功...

2025-09-25 ‧ 由 Kevin Wang 分享
DAY 26

Day 26 - 整合 MCP Tools:建構與外部世界互通的 AI Agent

前幾篇我們談到 AI Agent 在 LangGraph 中的決策、協作與記憶管理能力,但如果 Agent 永遠只能在封閉環境內工作,它的價值就會受到限制。真正...

2025-09-26 ‧ 由 Kevin Wang 分享
DAY 27

Day 27 - LangGraph 整合實戰:打造具網路搜尋與人機互動能力的 AI 驅動寫作代理

經過前幾天的學習,我們已經掌握了 LangGraph 的基本操作、Agent 設計模式、人機協作流程,以及 MCP 工具的整合方法。今天,我們要把這些技術整合起...

2025-09-27 ‧ 由 Kevin Wang 分享
DAY 28

Day 28 - 認識本地 LLM 部署:為什麼要在自己的機器上跑模型?

在前面的文章中,我們大多依靠雲端的 OpenAI API 來開發應用,享受隨時更新與高效能運算的便利。不過,雲端並不是唯一的選擇。越來越多開發者與企業開始嘗試在...

2025-09-28 ‧ 由 Kevin Wang 分享
DAY 29

Day 29 - Ollama 快速上手:建立你的本地 LLM 環境

在前一天的內容中,我們討論了為什麼要在自己的機器上部署 LLM,並且了解了開源模型在隱私、成本與自主性上的優勢。今天的主題將聚焦在 Ollama —— 一個近年...

2025-09-29 ‧ 由 Kevin Wang 分享
DAY 30

Day 30 - LiteLLM 多模型代理:建構雲端與本地共存的 LLM 環境

在本系列中,我們已經嘗試過使用 OpenAI API 的雲端模型,以及透過 Ollama 建立本地模型服務。這兩種方式各有優缺點:雲端模型能夠隨時更新、效能穩定...

2025-09-30 ‧ 由 Kevin Wang 分享