all

238 posts in all

1

Part 1 — AI 工程從零開始｜Phase 1 Part 1：線性代數與微積分 — AI 演算法直覺

從工程師視角掌握 AI 必備的線性代數與微積分直覺：向量、矩陣、梯度下降、反向傳播背後的數學原理，附 ASCII 架構圖與面試答題要點

·23 min
1

Part 1 — FDE core topic - Context Management：Token 預算管理與上下文修剪策略

深入解析 LLM 有限上下文視窗的管理策略，涵蓋 Token 預算分配、滑動視窗截斷、階層式摘要壓縮與工具輸出修剪，幫助你在面試中展現生產級 AI 系統設計能力。

·18 min
1

Part 1 — FDE 面試準備指南（一）：RAG 完全解析

以 Google AI 工程師兼面試官的視角，解析 FDE 面試中 RAG 最高頻考題，包含核心架構、Chunk 策略、幻覺改善、Hybrid Search 與實戰建議

·12 min
1

Part 1 — AI Forward Deployed Engineer 必備技能指南（一）：基礎核心概念與技術棧

深入解析 AI FDE 角色所需的核心技術基礎，包含 Python 生態系統、深度學習框架、大語言模型基礎與提示工程技術

·12 min
1

Part 1 — 購物車系統的高並發改造（一）：Virtual Threads、HikariCP 與 Redis 快取三管齊下

深入剖析一個真實 Spring Boot 購物車系統如何從「默認設定」升級到能承受 C10K 的生產級高並發架構：JDK 21 Virtual Threads、HikariCP 連線池調校、Redis 分層快取設計，以及升級到 Spring Boot 3.2 過程中的關鍵踩坑。

·30 min
1

Part 1 — CrewAI 完全指南（一）：入門與核心概念——用多 Agent 協作解決複雜問題

從零開始學 CrewAI：什麼是多 Agent 協作框架、為什麼需要它、核心四大元件（Agent、Task、Crew、Tool）的詳細說明，以及你的第一個 CrewAI 應用程式。

·20 min
1

Part 1 — 如何衡量 AI 的準確度（一）：分類與回歸任務的基礎評估指標

AI 準確度不是一個數字就能說清楚的。本文從分類與回歸任務出發，介紹 Precision、Recall、F1-Score、RMSE 等核心指標，幫助你建立客觀評估 AI 模型的基礎框架。

·12 min
1

Part 1 — RAG 完全指南（一）：基礎概念與你的第一個 RAG 系統

從零開始理解 RAG（Retrieval-Augmented Generation）：為什麼 LLM 需要外部知識、RAG 的核心架構是什麼，以及如何用 Python 實作一個最基本的 RAG pipeline。

·20 min
1

Part 1 — 用 AI Bot 打造顧問團隊（一）：策略與技術路線選擇

想用純 AI Bot 建立一支 AI 顧問團隊？本文從商業角度出發，分析三條技術路線（Claude Code + agent.md、Gemini CLI、LangGraph + LLM），比較優缺點與適用場景，幫助你在動手之前先想清楚架構。

·15 min
1

Part 1 — Crypto Quantitative Trading Part 1: Fundamentals and Essential Concepts

Comprehensive guide to crypto quantitative trading fundamentals. Explore market microstructure, data sources, technical indicators, and statistical analysis. Build production-ready data pipelines for Bitcoin and Ethereum with Python, pandas, and ccxt.

·25 min
1

Part 1 — Synthwave 讀書會串流實戰（一）：80 年代復古文化、市場分析與目標受眾定位

系列第一篇：深入探索 Synthwave 文化起源、為什麼它是 2026 年的黃金利基市場、如何精準定位高價值受眾（遊戲玩家、程式設計師、創作者），以及建立差異化品牌策略。

·26 min
1

Part 1 — AI 深海/太空環境音串流實戰（一）：市場分析、科學原理與 AI 工具選擇

系列第一篇：深度分析深海/太空環境音市場機會、聲音設計的科學原理，以及如何使用 AI 工具生成高品質音頻內容。從零開始建立你的沉浸式環境音頻道。

·22 min
1

Part 1 — Kubernetes Autoscaling Complete Guide (Part 1): Horizontal Pod Autoscaler

Part 1 of the Kubernetes Autoscaling series: Deep dive into Horizontal Pod Autoscaler (HPA) approaches, comparing resource-based, custom metrics, external metrics, and event-driven autoscaling with KEDA. Learn when to use each approach with real-world examples and production best practices.

·28 min
1

Part 1 — Kubernetes 完整指南（一）：基礎概念與架構詳解

深入淺出介紹 Kubernetes 容器編排平台，涵蓋核心概念、架構設計、元件功能、與 Docker 的關係，以及完整的安裝配置教學。從零開始掌握 K8S 基礎知識。

·60 min
1

Part 1 — Docker 完整指南（一）：基礎概念與入門教學

全面介紹 Docker 容器技術的基礎概念，包含虛擬化原理、Docker 架構、核心元件，以及實用的安裝與配置教學。從零開始學習 Docker 容器化技術。

·50 min
1

Part 1 — Building MCP Servers for Claude Code Development - Part 1

Complete guide to setting up Model Control Protocol (MCP) servers for Claude Code, from basic configuration to building custom tools that enhance your AI-powered development workflow.

·18 min
2

Part 2 — AI 工程從零開始｜Phase 1 Part 2：機率與統計 — 不確定性的數學語言

從工程師視角掌握 AI 必備的機率論與統計直覺：貝葉斯定理、最大概似估計、資訊理論、分佈假設背後的設計決策

·23 min
2

Part 2 — FDE core topic - Memory Architecture：Agent 階層式記憶體設計

深入解析 Agent 三層記憶體架構（Episodic / Semantic / Procedural），涵蓋寫入模式、ANN 檢索、遺忘機制與企業級 RBAC 設計。

·18 min
2

Part 2 — FDE 面試準備指南（二）：Agent System Design

以 Google AI 工程師兼面試官的視角，解析 FDE 面試中 Agent 系統設計考題，包含 ReAct 架構、Multi-Agent 判斷邏輯、失控防禦設計、MCP 協定與 Google ADK 定位

·14 min
2

Part 2 — AI Forward Deployed Engineer 必備技能指南（二）：多智慧體系統與框架實戰

深入探討多智慧體系統架構設計，包含 LangGraph、CrewAI 框架實作，以及 Model Context Protocol (MCP) 的企業級應用

·15 min
2

Part 2 — 購物車系統的高並發改造（二）：Redisson 分散式鎖、讀寫分離路由與 Docker HA 水平擴展

高並發購物車系列第二篇：深入剖析 Redisson 分散式鎖如何防止超賣與重複下單、AbstractRoutingDataSource + LazyConnectionDataSourceProxy 的讀寫分離路由設計細節（含 @Transactional 的坑），以及 Nginx + MySQL 主從複製的 Docker HA 生產架構。

·32 min
2

Part 2 — CrewAI 完全指南（二）：三個真實場景實戰——競情分析、程式碼審查、客服自動化

CrewAI 不只是玩具：用三個完整的生產級範例說明如何建立競爭對手情報分析系統、自動化程式碼審查流程、以及智慧客服分類與回覆系統，包含工具整合與 Hierarchical Process 實作。

·35 min
2

Part 2 — 如何衡量 AI 的準確度（二）：大型語言模型（LLM）的評估方法

LLM 的輸出沒有唯一標準答案，該怎麼客觀評估？本文介紹 BLEU、ROUGE、Perplexity、BERTScore 及 LLM-as-a-Judge 等方法，幫助你從多個維度評估語言模型的真實能力。

·15 min
2

Part 2 — RAG 完全指南（二）：Chunking 策略與向量資料庫選型

深入探討 RAG 系統的兩個核心基礎：如何切塊才能保留語意完整性，以及如何選擇適合的向量資料庫。包含五種 Chunking 策略比較與主流向量 DB 的實測比較。

·25 min
2

Part 2 — 用 AI Bot 打造顧問團隊（二）：三條路線的實作步驟與範例程式碼

深入實作：分別用 Claude Code + AGENTS.md、Gemini CLI 與 LangGraph 建立 AI 顧問 Agent 團隊。包含完整設定步驟、System Prompt 設計、範例程式碼與關鍵注意事項。

·30 min