鐵人檔案
Data Machi 是一套以企業實際應用為主軸的 30 天學習系列。我們會從最基本的 Chat 開始，一步步加入企業文件與 RAG、即時資料與 Tool Use、Agent 決策能力，以及 LangGraph Workflow，最後處理權限、安全性、錯誤處理與雲端部署，將 AI 從一個 Demo 逐步變成真正可以運作的產品。
前一天我們已經讓 Coordinator 開始自行選擇工具。接下來真正困難的問題，不再是「還能接多少個 Tool」，而是：當一個任務同時需要多個資料來源時，這些...
做到這裡，Data Machi 已經可以選擇工具、跨來源查詢，也開始能處理一段完整的工作流程。但只要使用者開始多輪追問，新的問題就會出現：系統到底應該記住多少資...
前一天我們談到 Memory，讓 Agent 知道哪些上下文可以沿用、哪些資料必須重新取得。但當多輪對話開始變得更自然之後，還會遇到另一個更棘手的問題：當手上的...
做到這裡，Data Machi 的 Agent 已經可以選工具、保留部分 Memory，也能在資訊不足時 Clarify、Re-query 或進行 Verifi...
昨天我們碰到一個很實際的問題：Agent 的能力越多，執行路徑就越難看清楚。當 Tool Selection、Memory、Verification、Retry...
前一天我們已經理解 LangGraph 的四個核心概念：狀態（State）負責保存目前工作流程知道的資訊，節點（Node）負責執行一項明確工作，連線（Edge）...
到了 Day 26，Data Machi 的核心能力其實已經逐漸完整。我們可以透過 RAG 查詢文件、利用 Tool 取得結構化數據，讓 Coordinator...
傳統聊天機器人的互動方式很簡單：使用者送出一個問題，等待幾秒鐘，接著看到模型產生答案。在這種情境下，一個簡單的 Loading Spinner 通常就已經足夠...
做到這裡，Data Machi 已經開始接觸不少外部資源，包括 Gemini API、Google Service Account、Confluence、Tre...
前面所有實作都還可以在自己的電腦上完成，但如果 Data Machi 要真正讓其他人使用，就必須離開 localhost，把前端與後端部署到可以公開存取的環境。...
