鐵人檔案
本系列將分享如何打造零成本的 Angelina AI 金融分析代理人。內容涵蓋：
1) AI與記憶：整合 Gemini 2.5 Flash API、ChromaDB 向量庫(RAG)與 SQLite 對話記憶。
2) 工作流：實作每日股市分析、Telegram 推播及 Google Drive/Sheets 數據同步。
3) 基礎設施：以 RHEL 與 Rootless Podman 實現容器隔離，並以 Ansible 進行維運。
展示從架構設計到生產級 AI 應用的完整實踐。
「在 LLM Agent 走向 Production 的過程中，資安防禦不能只寄望於模型本身的『自我約束』。最穩健的 Defense-in-Depth，必須結合...
「在 AI Agent 的工程週期中，『沒有量測，就無法改善』。要確保每一次 Prompt 調整或 API 重構不會造成性能退化，必須在腳本內部實作決定性的格式...
「在 AI Agent 的生產級運維中，Token 消耗不只是金錢成本，更直接影響 API 的 Rate Limit 額度與整體回應延遲。透過階段性 Conte...
「在實務部署中，我們可以根據資料源（TWSE）的更新時間，透過 Crontab 或 systemd.timer 自由設定觸發時點（例如設定在 14:30 數據出...
「一個架構良善的 AI Agent 系統，其檢驗在於 Pipeline End-to-End 的實際執行狀況。從市場數據抓取、知識庫查詢、Gemini 三階段推...
「在 AI Agent 的架構設計中，批次分析腳本負責盤後推播，而 FastAPI Web 服務則提供 Real-time Chat、知識庫動態學習與系統狀態監...
「一個真正具備靈魂的 AI Agent，必須能在長對話中維持精準的上下文記憶，並在每一次對話結束後，自動從互動中提煉精華（Active Learning），實現...
「在 AI Agent 的知識庫架構中，RAG 是消除大模型幻覺的定海神針。透過在地化的 Embedding 模型、asyncio.to_thread 非阻斷線...
「在 AI Agent 系統中，對外連線的大模型 API 門戶是系統中最脆弱的一環。一個 Production-Ready 的 Gemini API Gatew...
「從最初的一個想法，到寫下每一行 FastAPI、RAG 向量檢索、Gemini 三階段推理與 Linux systemd 自動化運維程式碼，這 30 天的旅程...