鐵人檔案
VoCare 是我們現在正在做的智慧陪伴系統，我們想做的不是讓 AI 只會聊天，而是希望它可以根據長者現在的狀況和之前的互動，做出比較適合的回應。這 30 天我會記錄 VoCare 從前端介面到 AI 功能慢慢做出來的過程，也會分享我們怎麼用 ChatGPT 跟 Codex 幫忙寫程式、改功能和 Debug，還有實際開發時遇到的問題跟解法。
Day 10 整理了 Chat API 的基本流程： 使用者輸入訊息→ 後端接收→ AI 產生回覆→ 儲存對話→ 回傳前端 但其中還有一個很重要的問題： 聊天內...
Day 11 整理了 Conversation 和 Message，讓 VoCare 可以把每一次聊天完整保存下來。 但「有聊天紀錄」和「AI 真的記得長者」其...
Day 12 整理了 Memory Extraction，也就是從聊天中找出值得長期保存的資訊。 但把 Memory 存進資料庫之後，還有另一個問題： 當長者再...
Day 13 整理了 Memory Retrieval，讓 AI 可以從長期記憶中找出和目前對話相關的資訊。 但只有 Memory 還不夠。 因為： 「這位長者...
前幾天主要都在整理 Memory 和 Context。 Memory 解決的是： AI 要怎麼記得這位長者。 Context 解決的是： AI 要怎麼知道長者最...
昨天先整理了 RAG 的基本概念。 簡單來說，就是： AI 回答之前，先找到相關資料，再根據資料回答。 但下一個問題就是： 這些資料到底從哪裡來？又要怎麼讓系統...
前面整理 RAG 時有提到： 系統會先從知識庫裡找出和問題最相關的內容，再交給 AI 回答。 但這裡其實有一個很重要的問題： 系統到底要怎麼判斷「哪一段內容最相...
Day 17 整理了 Embedding。 我們知道文字可以先轉成 Vector，讓系統用來比較不同內容之間的語意相似程度。 但當系統裡開始出現大量 Vecto...
前幾天整理了 RAG、Embedding 和 Vector Database。 目前流程大概可以整理成： 文件 → 建立 Embedding → 存進 Vect...
Day 19 整理了 Chunking 的基本概念。 我們知道文件不能直接整份丟進 RAG，而是要先切成多個 Chunk。 但接下來真正麻煩的問題是： Chun...
