AI

147 posts in ai

3

Part 3 — 用 AI Bot 打造顧問團隊（三）：評估、維運與優化計畫

AI 顧問 Agent 團隊上線後怎麼辦？本文從 DevOps/SRE 角度，涵蓋系統效能評估、品質驗證、監控告警、部署策略、以及持續改善的 Roadmap。

·25 min
3

Part 3 — Java Concurrency Part 3: Design Patterns with Thread Interfaces - Producer-Consumer, Observer, and Enterprise Patterns

Master concurrent design patterns using Java thread interfaces: Producer-Consumer, Observer, Command, Strategy, and Enterprise patterns. Learn practical implementations with Runnable and Callable, including pros/cons and real-world use cases.

·45 min
4

Part 4 — AI 工程從零開始｜Phase 2 Part 2：集成學習與最佳化 — 超越單一模型的上限

深入解析 Random Forest、Gradient Boosting、XGBoost、超參數調優與 AutoML，理解集成方法為何在表格資料競賽與生產系統持續稱霸

·23 min
4

Part 4 — FDE 面試準備指南（四）：System Design 實戰

以 Google AI 工程師兼面試官的視角，完整拆解兩道 FDE 高頻系統設計題：企業知識庫 Chatbot 與 Internal AI Copilot，含 Auth、RBAC、Cache、NL2SQL 的設計決策與 trade-off

·16 min
4

Part 4 — AI Forward Deployed Engineer 必備技能指南（四）：生產環境 AI 系統監控與最佳化

深入探討生產環境 AI 系統的全方位監控策略、效能最佳化技術、故障診斷流程與成本管理實務

·20 min
4

Part 4 — RAG 完全指南（四）：查詢轉換、Self-RAG 與 Context 壓縮

當問題本身就是問題：深入三大 RAG 優化技術——Step-Back Prompting、Self-RAG 自我反思、以及 Context Compression。了解它們的核心原理、實作方式、優缺點與最佳使用場景。

·28 min
4

Part 4 — 用 AI Bot 打造顧問團隊（四）：小型外包公司實戰案例

實戰案例：一家 10 人軟體外包公司如何用 AI Agent 團隊自動化需求評估、報價、專案追蹤與客戶溝通，包含完整 Prompt、Skill 設計與執行步驟。

·28 min
5

Part 5 — AI 工程從零開始｜Phase 3：深度學習核心 — 從第一原理構建神經網路

從感知機到多層神經網路，理解反向傳播、激活函數、正則化與批次正規化的工程本質，不依賴框架手刻神經網路

·23 min
5

Part 5 — FDE 面試準備指南（五）：RAG 深度技術——Chunking、Embedding、向量資料庫與混合搜尋

以 Google AI 工程師兼面試官的視角，深度拆解 RAG 的技術細節：Chunking 策略選擇、Embedding 模型挑選、向量資料庫設計、混合搜尋與 Reranking，以及 Context Window 爆炸的處理方式

·15 min
5

Part 5 — AI Forward Deployed Engineer 必備技能指南（五）：客戶協作與問題解決實務

深入探討 AI FDE 客戶協作的核心技能，包含需求分析、技術溝通、專案管理與問題解決的最佳實務

·16 min
5

Part 5 — RAG 完全指南（五）：生產級評估、GraphRAG 與 Agentic RAG

RAG 系列終章：如何用 RAGAS 框架量化評估 RAG 品質、GraphRAG 如何用知識圖譜突破向量搜尋的限制，以及 Agentic RAG 如何讓 AI Agent 主動決策何時搜尋、搜尋什麼。

·35 min
5

Part 5 — 用 AI Bot 打造顧問團隊（五）：數位行銷公司實戰案例

實戰案例：一家 8 人數位行銷公司如何用 AI Agent 團隊自動化內容策略、廣告文案、成效報告與客戶簡報，包含完整 Prompt、LangGraph 實作與執行步驟。

·30 min
6

Part 6 — AI 工程從零開始｜Phase 4 Part 1：電腦視覺基礎 — 從像素到 CNN 特徵

深入解析卷積神經網路的工程直覺：卷積運算、池化、ResNet/EfficientNet 架構演進、影像資料增強與遷移學習策略

·23 min
6

Part 6 — FDE 面試準備指南（六）：RAG 進階——檢索失敗、Grounding、評估指標與成本控制

以 Google AI 工程師兼面試官的視角，深度拆解 RAG 系統的四大進階主題：檢索失敗的原因與修復、Grounding 策略、RAG 評估指標設計，以及生產環境中的成本控制

·14 min
7

Part 7 — AI 工程從零開始｜Phase 4 Part 2：目標偵測與語義分割 — 讓機器看懂空間

深入解析 YOLO/Faster-RCNN 目標偵測架構、Mask R-CNN 語義分割、IoU/mAP 評估框架與工業部署的延遲優化策略

·23 min
7

Part 7 — FDE 面試準備指南（七）：Agent 深度設計——ReAct vs Planner、Tool Routing、Multi-Agent

以 Google AI 工程師兼面試官的視角，深度拆解 Agent 系統設計的五大主題：ReAct vs Planner-Executor 架構選擇、Tool Routing 四層漏斗、Multi-Agent 邊界、Loop 終止策略，以及 Memory 系統設計

·16 min
8

Part 8 — AI 工程從零開始｜Phase 4 Part 3：視覺語言模型、3D 視覺與世界模型

深入解析 CLIP/BLIP/LLaVA 視覺語言模型架構、NeRF/3D Gaussian Splatting 三維重建、以及 Sora 等影片生成世界模型的工程原理

·23 min
8

Part 8 — FDE 面試準備指南（八）：ML 基礎必備——從傳統機器學習到 Deep Learning

以 Google AI 工程師兼面試官的視角，系統整理 FDE 面試不能缺的 ML 基礎：Supervised Learning、評估指標、Overfitting 處理，以及從 MLP 到 Transformer 的 Deep Learning 核心概念

·18 min
9

Part 9 — AI 工程從零開始｜Phase 5 Part 1：NLP 基礎 — 文字是智慧的介面

從詞袋到詞嵌入，掌握 NLP 工程師必備的文字前處理、TF-IDF、Word2Vec/GloVe/FastText 嵌入技術與文字分類生產架構

·23 min
9

Part 9 — FDE 面試準備指南（九）：LLM 核心知識——Token、Prompt Engineering 與 Embedding

以 Google AI 工程師兼面試官的視角，整理 FDE 面試中最關鍵的 LLM 實用知識：Token 與 Context Window 的工程意涵、Prompt Engineering 五大技法，以及 Embedding 在語意搜尋中的原理與選型

·15 min
10

Part 10 — AI 工程從零開始｜Phase 5 Part 2：Seq2Seq 與注意力機制 — Transformer 前夜

深入解析 RNN/LSTM/GRU 序列建模、Encoder-Decoder 架構、Bahdanau 注意力機制，理解 Transformer 取代 RNN 的工程動機

·23 min
10

Part 10 — FDE 面試準備指南（十）：RKK 實戰——AI Agent 的 Context Management

以系統設計視角拆解 AI Agent 的 Context Management：核心問題是什麼、有哪些策略、為什麼選這個、trade-off 怎麼算——含完整架構圖與面試答題框架

·16 min
11

Part 11 — AI 工程從零開始｜Phase 5 Part 3：進階 NLP — BERT、問答系統與語言理解

深入解析 BERT/RoBERTa/DeBERTa 預訓練策略、問答系統架構、文字摘要、機器翻譯評估與 NLP 生產系統的工程挑戰

·23 min
11

Part 11 — FDE 面試準備指南（十一）：RKK 實戰——AI Agent 線上除錯與故障排除

以系統設計視角拆解 AI Agent 的 Troubleshooting：為什麼 Agent 難 debug、觀測性架構怎麼設計、五大故障模式怎麼追蹤——含完整架構圖與 Google Doc 模擬情境應答框架

·17 min
12

Part 12 — AI 工程從零開始｜Phase 6 Part 1：自動語音辨識 — 讓機器聽懂人類

深入解析 ASR 工程架構：聲學特徵提取（MFCC/Mel Spectrogram）、CTC/Attention 解碼、Whisper 架構與生產級語音辨識系統設計

·20 min