鐵人檔案
從 Python 基礎開始，逐步學習 Prompt、API、Tool Calling、MCP 與 Agentic Workflow，透過 30 天的實作，探索如何讓 AI 不只回答問題，而是能理解需求、選擇工具並自主完成多步驟任務。最終將所學的整合成一個生活助理，嘗試讓 AI 協助處理日常生活中的資訊查詢、行程規劃與決策問題，記錄從零開始學習與實作 AI Agent 的過程。
這次參加 iThome 鐵人賽，我決定挑戰一個自己也很有興趣的主題——「從 Prompt 到自主決策：用 Python × Agentic Workflow 實...
為什麼要學 Python？ 昨天介紹了這次鐵人賽的主題，也提到最後想做的是一個 AI 生活助理。不過在開始接觸 AI Agent 之前，我決定先從 Python...
讓程式開始記住東西昨天寫了第一支 Python 程式，使用 print() 把文字顯示在畫面上。不過，如果程式只能把固定的文字印出來，好像還不太像一個真正的生活...
程式也能做決定嗎？前幾天我們學會了讓 Python 儲存資料，也可以透過 input() 接收使用者輸入。但如果今天希望程式可以根據不同的情況，產生不同的結果呢...
在上篇文章中，我們討論了 if / else 條件判斷與 AI Agent 自主決策的差別。但在實際應用中，不論是傳統程式還是 AI Agent，都不會只處理「...
在昨天的文章中，我們學習了如何使用 List（串列） 來儲存多筆資料，並了解 List 是 AI Agent 維護「歷史對話紀錄」的基礎。不過，如果我們今天想讓...
在過去幾天的文章中，我們學習了變數、if / else 條件判斷、List 串列與 Dictionary 字典。當我們的程式碼越寫越多時，如果每次要執行某個功能...
前七天我們把 Python 的基本骨架都走過一遍了：變數、判斷、迴圈、List、Dictionary、Function。到這裡為止，我們寫的程式有一個共同特徵—...
昨天我們讓程式在出錯時不會停下來。今天要解決另一個更根本的限制： 程式一關掉，所有東西都不見了。 Day 6 我們用 List 存了一堆待辦事項，Day 7...
