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。
昨天我們拆解了 ReAct 框架的底層邏輯，理解了 Agent 是如何透過「思考、行動、觀察」的迴圈來解決未知問題。理論講完了，今天我們直接進入 Dify 介面...
昨天我們透過內建的 Google 搜尋，輕鬆讓 Agent 具備了上網查資料的能力。但當我們回到企業內部，真正的挑戰才剛開始。 假設你寫了一支 Java API...
過去幾天，我們從基礎的 Prompt 防禦一路打造出了具備 MCP 擴充能力與自主思考的 Agent。當看著 Agent 成功查出特休天數並回覆時，成就感絕對是...
昨天我們導入了 LLM-as-a-Judge，讓系統具備了自動評分的能力。這解決了「知道答案爛不爛」的問題；但身為第一線排查問題的工程師，當系統亮起紅燈、AI...
在現代軟體工程團隊中，資深工程師的時間是最寶貴的資產。然而，在日常開發中，資深工程師經常被兩大痛點分散注意力： 無止盡的 PR Review： 花費大量精力抓出...
昨天我們確立了 Capstone Project 的事件驅動架構。今天，我們正式進入實作的第一道關卡：攔截 GitHub PR 事件，並為 AI 準備乾淨的審查...
