鐵人檔案
從第一次開發 GenAI 到現在將近一年了，這段期間分別參與了三次不同企業和規模的專案，完整經歷了至少兩次從 0 到 1 開發 RAG 服務的流程。然而雖然累積了一些實務經驗，但初跨入這個領域，仍有許多需要持續學習的地方。
在接下來的30天裡，我希望能透過寫作重整這段時間的開發經驗，並結合相關書籍與課程，反思如何優化我的開發品質，並以打造企業級產品為目標，提升自己在系統設計與生成式 AI 開發方面的技術能力。
如果這系列的文章也能幫助到你，歡迎訂閱還有留言討論，讓我們一起成長進步 :)
以下參考課程 LLM Twin: Building Your Production-Ready AI Replica 撰寫 在課程中，爬取的資料會同時以 RAG...
以下參考課程 LLM Twin: Building Your Production-Ready AI Replica 撰寫 在資料處理領域，資料流處理和批量處理...
以下參考課程 LLM Twin: Building Your Production-Ready AI Replica 撰寫 在過去兩天的大量學習和實踐中，我們深...
以下參考課程 LLM Twin: Building Your Production-Ready AI Replica 撰寫 什麼是 LLM Fine-tunin...
生成式 AI 開發高度依賴實驗和優化過程。考慮到不同的模型架構、提示詞策略和訓練參數對模型性能的影響，每次實驗的結果都必須詳細記錄和比較。隨著GenAI 應用的...
隨著生成式 AI 系統日益複雜，安全性成為設計過程中的一個重要議題。例如，當我們開發一個核心的 generator 服務來處理文本或圖像生成時，這些服務每次請求...
在現代微服務架構中，隨著 API 數量不斷增多，如何有效地管理 API 成為後端開發中的一大挑戰。API Gateway 作為一個統一的入口，幫助我們控制外部流...
隨著服務規模的擴展和 API 數量的增加，系統的穩定性變得愈發重要。在**生成式AI（GenAI）**的開發中，企業級項目通常需要快速迭代以適應市場需求變化，這...
在上一篇文章中，我們介紹了如何運用 TDD（Test-Driven Development） 來應對 GenAI 開發中的快速迭代與穩定發佈需求，通過測試優先的...
在鐵人賽的最後一天，我選擇以敏捷開發作為收尾。 這短短 30 天的內容只是生成式 AI 領域的冰山一角。在這個領域中，技術發展與需求變化極為迅速，對每個開發團隊...
