鐵人檔案
使用 LLM 作為核心，結合RAG技術，從台灣旅遊資料庫中提取資訊。透過 Function Calling 串接即時天氣、交通 API，提供使用者個人化的旅遊建議與行程規劃
經過前面的準備，我們已經擁有了專屬的問答資料集。今天，我們要讓AI導遊開始它的學習之旅。關鍵在於使用 PEFT (Parameter-Efficient Fin...
經過昨天的訓練，AI導遊已經成功地從問答資料集中學習到了新知識。但此時的模型還不是一個完整的獨立個體，它只是一個基底模型加上LoRA適配器。 要讓這個模型能夠在...
什麼是 Function Calling？ Function Calling賦予了AI呼叫外部程式碼的能力，讓它可以操作各種工具： 查詢即時資訊：例如呼叫氣...
一、定義規格 要讓AI使用一個函式，我們必須用它能理解的結構化格式來描述這個工具。這通常是一個詳細說明函式名稱、用途以及所有參數的JSON結構。 例如用一個 g...
一、包裝 API 查詢邏輯 之前在專案中使用了requests函式庫來呼叫Google Maps API查詢景點和交通。所以需要將這些邏輯分別包裝成兩個簡單的...
一、Streamlit 的語義化組件 在聊天介面中，我們應該讓使用者能快速識別不同類型的回覆。Streamlit提供了幾種語義化的標籤，能透過顏色和圖示來提升辨...
一、程式碼中的防護網 在AI專案中，不僅要追求功能強大，更要確保程式碼穩健可靠。AI導遊仰賴外部API服務，這些服務隨時可能因網路問題、金鑰過期或服務超載而失敗...
一、測試案例 整合測試的目的是確保資訊流在整個系統中是暢通無阻且正確的。我們需要設計多種情境來驗證： RAG 問答情境：輸入請介紹CSV文件中的特色地點...
一、為什麼需要容器化？ 在軟體開發中，最常遇到的問題是：「我的程式在我的電腦上跑得很順，但為什麼搬到伺服器上就不行了？」這通常是環境差異造成的。 容器化技術，最...
一、Streamlit 的優缺點 Streamlit 的強項在於其開發速度快、與 Python 後端整合緊密。讓我們能迅速將複雜的 AI 功能視覺化，這在開發和...
