鐵人檔案
不租 GPU、不用 API 金鑰，只靠一台裝了 Ollama 的筆電，30 天把一個現成開源模型從「回一句話」逐步堆成「會自己檢索、用工具、驗證產出、分節點協作」的 agent。
Day 10 完成 SQLite FTS5（SQLite 的全文檢索功能）後，系統現在能從 11 個 chunks 找到含有關鍵字的內容。 FTS5 可以回答...
Day 10 做完 SQLite FTS5，系統可以從 11 個 chunks 找到關鍵字。Day 11 又補上 source catalog，讓五份 har...
Day 12 比較了 raw、wiki 和 hierarchical 三條搜尋路徑。查詢 production release 時，FTS5 找到 5 個候選...
Day 13 完成了 knowledge/context.py，能排除重複的文件片段，再挑出放得進 token 預算的證據。今天把這些證據交給本地 Qwen，...
Day 14 我完成了有來源的 RAG：Python 搜尋文件、挑出證據，再由本地 Qwen 根據證據回答。Day 15 要讓 Qwen 遇到需要查目錄的問題...
Day 15 的 list_sources 能讓本地 Qwen 找到文件名稱和 document ID，但不會提供正文。今天新增 get_document_c...
Day 16 的 get_document_chunks 最多能從指定文件取回 3 個片段。Day 17 把查找範圍接到網頁：本地資料不足時，web_sear...
Day 17 的即時搜尋測試中，Qwen 選對了 web_search。但一次選對，還看不出它遇到其他情況會怎麼走：本地知識庫找得到資料時會不會亂搜？使用者只...
Day 18 用 10 題檢查 Qwen 會不會選對工具，這 10 題都命中。不過，那次評估只比對工具名稱；模型帶來的參數（arguments）有記錄，沒有評...
Day 19 把模型回傳的參數（arguments）交給 Python 再檢查一次：欄位、型別和長度都通過後，才呼叫對應的處理函式（handler）。目前四個...
