鐵人檔案
當 AI 的任務從「回答問題」進一步變成「規劃、搜尋、寫程式、執行與驗證」，單一 Agent 很快就會碰到 Context 過長、角色混亂、工具失控，以及成本快速上升等問題。
因此，這個 30 天系列將不同於過去的內容，不再只聚焦於單一模型，而是開始探討 AI 之間如何分工、協作與互相驗證。從 Transformer、Context Window、Sampling，到模型微調與 Agent 架構，逐步拆解背後的核心技術，最後親手打造一套真正能運作的 Multi-Agent LLM 系統。
幹斷賽了...不過我還是會把 30 天寫完，因為我自己也想把這些東西做出來，加上如果我沒親手寫出來，其實很快就會忘記。 昨天我們用 IVF 和 HNSW 把...
昨天我們把 BM25 接上來湊成混合檢索，也開始了 RRF的動作，但 top_k=3 還是會導致加入太多無用的資訊，就算前面只有一塊真的相關，另外兩塊不相干的內...
如果你現在打開 repo 看一下就會發現，我們手上這些東西其實只是六個各自為政的實驗腳本，每支都能跑，但沒有一支能被別人呼叫，但接下來要進入 Multi-Age...
昨天我們把整條 RAG 流程封裝成一個工具，也幫它寫了一份讓模型看得懂的說明書，但實際跑的時候工具什麼時候該被呼叫，還是我們自己在程式裡寫死的 pipeline...
昨天我們遇到一題需要先查資料、再算數字的題目，模型直接把年資三年當成 365 × 3，然後很有自信地告訴我一共有 1090 天。遇到這種狀況最直覺的做法當然是換...
