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。
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...
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...
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...