鐵人檔案
身為剛升大一的新鮮人，我想趁著暑假扎實磨練 Python 能力，因此決定挑戰從零打造屬於自己的 AI Agent！不依賴現成框架與 vibe-coding，每一行程式碼都親手實作推敲。
以本地 ollama 為核心，一步步做出 Agent 的框架，到核心的「工具調用」（讀寫檔案、執行終端、瀏覽網頁），再逐步邁向 System Prompt 注入、上下文記憶管理等等的應用。
無論你是 Python 新手，還是好奇 Agent 內部運作原理的開發者，都歡迎和我一起動手打造專屬的智慧助手！
現在的 AI 模型往往都具備有多模態的能力，不只可以讀取及回傳文字，通常也都可以接受照片、聲音等資訊。而對於一個 Agent 來說，這項能力尤為重要，當我們想請...
在昨天，我們搞定了圖片傳入到程式中，也儲存到了記憶體中（attached_images 之中），最後把它在 get_input() 中打包並回傳出來。今天我們要...
接續昨天的內容，我們繼續來完成做到一半的刪除圖片吧！ 昨天有說到，按下 ctrl + O 後，會有幾個情況： 沒有圖片 -> 那當然就不用渲染出選單啦...
昨天，把圖片多模態給結束了，今天，要開啟一個同樣蠻複雜的項目 - subagent 子代理！這邊我們會定義好要如何進行，並把子 agent 的呼叫部分大致搞定；...
接續昨天的內容，今天來處理最複雜的渲染部分，以及最後把渲染部分接回工具函數！ 渲染方式 還記得 base.py 中定義的 LLMResponse 資料類別嗎？...
雖然昨天說要開始來做上下文壓縮，但是，在這之前，我覺得應該要先來做可以看上下文佔用的功能，這樣我們才可以有感地體驗到壓縮的感覺。今天，我們完成它的前半部分，馬上...
今天，先來處理昨天做了一半的上下文用量，然後，來處理回答時 ctrl + c 終止模型回答的小功能。馬上開始吧！ ollama 回傳的準確 token 還記得...
