鐵人檔案
一名營養師，試著把自己的專業判斷跟 AI／AWS 技術結合，做一個回答「下一餐該怎麼吃」而非「今天吃了多少」的飲食建議工具。30 天記錄從構思、設計、跟 AI 協作除錯、到部署上線的真實過程——包含營養學專業如何轉譯成程式邏輯、AI 該負責什麼／不該負責什麼的取捨，以及不少邊做邊學才搞懂的技術與踩雷。
Day10 已經把後端邏輯放上 AWS 了，但總得有個通道打開讓我們可以呼叫到放在雲端的程式碼邏輯吧! 現在它就是一個「誰都呼叫不到」的函式喔~該怎麼解決呢?...
在介紹IAM之前，想先分享一個雲端的重要觀念，因為雲端服務只要牽涉到多個資源互相呼叫，就一定會碰到一個問題：「這個身份，有沒有資格做這件事？」 AWS 的答案很...
上一篇 Day12 把這個專案的 IAM 兩層身份都查了一次，收尾留了一個問題：**就算權限都對了，Lambda 真的在雲端跑起來之後，出了狀況要去哪裡看？**...
上一章節把後端骨架搭完了——Lambda 放程式碼、API Gateway 接入口、IAM 給權限、CloudWatch 能追蹤問題。從這篇開始進入 P要讓這個...
上一篇講完「為什麼」要用生成式 AI，這篇要更具體一點：AI 說要負責「理解語意」，但具體在這個系統裡，它實際上做了什麼、又刻意不做什麼？ 🧱 地基概念 什麼是...
上一篇講完 LLM 在這個系統裡的兩次呼叫，這篇要介紹這兩次呼叫實際打去的地方——Amazon Bedrock。 🧱 地基概念 Bedrock 是什麼？ 想要用...
跟 AI 溝通，其實也是一種需要反覆調整的介面設計 上一篇 Day16 把 Bedrock 這個平台介紹完了，這篇要處理的是實際「跟模型講話」這件事——怎麼問，...
AI 回的是一篇文章，但程式要的是一個可以 JSON.parse() 的物件 🧱 地基概念 LLM 本質上是「接龍文字」，不是「填表單」 LLM 是逐字生成下一...
上一篇 Day18 把「AI 輸出格式穩不穩」這關過了，這篇要面對一個更根本的問題：就算格式對了、AI 講得有條有理，內容本身就一定可信嗎？ 先回頭看：這篇到底...
Prompt 寫得再好，AI 也不知道一份「蔥鹽雞肉沙拉」的真實碳水量 Day19 講完 hallucination 的本質：為什麼不能相信 AI 給的營養數字...
