鐵人檔案
透過 30 天實戰，從零打造專屬的 AI 應用程式！
內容涵蓋四大核心階段：首先從 Prompt 與 Context Engineering 紮根 AI 溝通基礎；接著解構 RAG 架構，利用 Meta Faiss 實作向量檢索以消除模型幻覺；隨後導入 Low-code 工具，運用 Dify 與 n8n 將知識庫升級為具備自動化工作流的 AI Agent；最後探索前瞻的 MCP 協定，完成端到端的 AI 助手專案整合。
動機與初衷身為一名即將畢業的學生，立志成為微軟等頂尖企業的軟體工程師，我深知保持「成長思維 (Growth Mindset)」是職涯發展的關鍵。現今業界極度看重...
昨天我們完成了開發環境的準備，今天正式進入 AI Engineering 的第一步：選擇模型。在打造應用程式時，並非總是「越大越好」，優秀的軟體架構必須在效能、...
昨天我們選定了合適的 AI 大腦，今天我們要學習如何安全地與它溝通。 在開發一般應用程式時，我們都知道防禦資訊安全漏洞的首要原則是「永遠不要信任使用者的輸入」。...
前幾天我們學習了如何設計 Prompt 來控制 AI。但在這 30 天的挑戰中，我們不僅要「做」AI 應用，我們連「開發過程」都要很 AI！這就不得不提到近期工...
昨天我們探討了如何保護 Prompt 不被惡意竄改，今天我們則要解決系統串接時最大的痛點：如何解析 AI 的廢話？ 大語言模型天生喜歡用自然語言聊天，但當我們的...
前幾天我們確立了防呆機制、強制 JSON 輸出規範，也探討了 Vibe Coding 的開發心法。理論準備就緒，今天我們要正式把這些觀念化為真實的程式碼，親眼見...
昨天我們透過 Java 成功發起了 API 請求，並將 AI 回傳的 JSON 完美反序列化為系統物件。然而，昨天的實作是一個「無狀態 (Stateless)」...
昨天我們提到，為了解決大模型的 Token 限制與昂貴成本，我們不能把整本數百頁的企業文件或醫療指引直接塞給 AI。我們需要一套機制：「先從文件中精準找出相關的...
昨天我們學會了用 Embedding 和 Faiss 來進行語意檢索。但實務上，如果我們把整份 10 萬字的文件直接算成一個向量，那搜尋出來的結果會極度失真，A...
經過前九天的硬核基礎，我們成功從「如何跟 AI 說話 (Prompt)」一路走到了「如何讓 AI 看我們的專屬文件 (RAG)」。在進入下一階段的視覺化開發前，...
