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。
目標先講清楚：如何讓向量資料庫中的內容，隨著來源資料更新而「持續正確」 許多「會變動」的內容（菜單、報價、活動資訊、最新文章、景點資訊…）原本都存在傳統關聯...
目標先講清楚：針對Anthropic的context engineering文章進行重點筆記 針對Anthropic發表的文章 - Effective co...
目標先講清楚：針對Anthropic的writing effective tools for ai agents — with agents進行重點筆記，並轉...
目標先講清楚：分析OpenAI Apps SDK，了解OpenAI Apps SDK是怎麼使用MCP當作跟其他Apps交互的protocol 1) Open...
目標先講清楚：透過分析Manus的文章，探討Manus的agent處理50次以上工具調用的長上下文的方式，而不會工具爆炸 Manus的目的很明確 - 省錢，...
目標先講清楚：在AI系統開發完成後，Creating a LLM-as-a-Judge That Drives Business Results依照跟30+公...
目標先講清楚： 針對 Day 26 Hamel提供AI服務評估的方法論，這邊改使用LangSmith實現 但就算有以下的工具，驗證案例跟資料收集還是需要人工...
目標先講清楚：Drew Breunig怎麼做到將一大串的system prompt使用DSPy去結構化，提高system prompt維護性 DSPy可以做...
目標先講清楚：從LangChain 的技術文件和範例，了解Agent Middleware怎麼解決「無法精細控制 context engineering」的問...
目標先講清楚：推崇Drew Breunig的blog探討上下文失敗的原因，及他所分享如何處理的方法作為結束 1. Context為什麼會失敗 巨大的上下文...
