鐵人檔案
以「能上線」為目標的 30 篇實作型心得：從基礎讀書筆記出發，系統化整理 LangChain 與 LangSmith 的實戰做法，並評測/整合 Agent 工具的評估。
專案啟動：Agents相關研究30天計畫 歡迎來到這個為期 30 天的實戰計畫！目標是從零開始，打造一個功能強大的「多模態記憶型 Agent」。這個 Agent...
目標先講清楚： 我要做一個「能看圖、會記憶」的智慧助理。 Input：語音／文字／圖片；Output：文字／語音。 並且要能即時互動（real-time）。...
目標先講清楚：把 Day 2 的即時語音助理升級為「能看圖、會看鏡頭」的 Vision Agent。Input：語音／文字／圖片／視訊；Output：文字／語...
目標先講清楚：我要把既有的 LiveKit 語音代理，改成用 LangGraph 當「大腦」。核心變更：把 vision_agent 的 LLM 換成 Lan...
目標先講清楚：剛好今天去參加GDG的活動，因此改分享演講的內容；主題包含：Prompt 驅動的程式開發、Google ADK 打造 Agent、Firebas...
目標先講清楚：這篇聚焦 LangSmith 設定與使用體感；同場加映兩個開源替代（Langfuse、OpenLIT）與 LiveKit Dashboard 的...
目標先講清楚：我要把接下來的 Agent 開發路線與工作流寫清楚，並回答一個常見問題：既然 LLM 有長上下文（long context），為什麼還要拆成多個...
目標先講清楚：結構化輸出（Structured Output）在 Agent 開發裡相關的框架。 為什麼要結構化輸出？ 當任務被拆成多個節點（或多個子代理...
目標先講清楚：除了 Pydantic model，當結構較複雜時，建議把 輸出結構與檢核邏輯寫進 prompt（meta‑prompting），並以 anal...
目標先講清楚：當任務變複雜，長而清楚的結構化提示比「一句話魔法」更重要。本文整理 Claude Code 與社群最佳實務（含 parahelp、LangCha...
