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。
昨天我們用 Dictionary 表示一筆待辦事項： { "id": 1, "title": "...
從明天開始，我們要讓程式連上外面的世界——查天氣、呼叫 AI。而幾乎所有這類服務都需要一把「鑰匙」：API Key。 在開始之前，今天要先處理一件很容易被忽略、...
前面十二天，我們的程式都只在自己的電腦裡打轉。今天要讓它走出去。 這一步為什麼重要？回想一下第一天講的目標： 使用者說「幫我安排明天的行程」，AI 不只是給一...
昨天我們把 HTTP 的基礎和一個帶重試的請求函式準備好了。今天要拿它去做真的事：查台灣的天氣。 為什麼選天氣當第一個 API？ 資料免費、申請簡單（中央氣...
昨天我們寫出了一個能查天氣的 get_weather() 函式。它能動，錯誤也處理得不錯。 但它還不算是一個工具（Tool）。 今天要來談一個看似抽象、但整個...
前面幾天我們拿到了不少資料：天氣預報、待辦清單。但拿到資料不等於知道答案。 想想這兩句話的差別： A：「明天 06:00–18:00 多雲，25–30°C，降...
到今天為止，我們的程式在出事的時候，唯一的線索就是 print() 出來的那幾行字。而且程式一關掉，那些字就消失了。 這在寫小工具時沒什麼問題。但接下來幾天 A...
前面十七天，我們蓋好了地基： Python 的核心語法（Day 2–7） 例外處理、檔案、JSON、Class（Day 8–11） 設定管理、HTTP、真實...
昨天我們讓程式跟 AI 說上話了。今天要談的是：怎麼把話說好。 這件事的重要性常常被低估。同樣的需求，換個講法，結果可能差很多： A：「幫我看天氣」 B：「以下...
昨天我們用 prompt 要求 AI 回傳 JSON。它大部分時候會照做，但偶爾會出這種包： 好的，以下是抽取的結果： ```json {"titl...
