令人驚奇的是，CSP提供的AI模型現在已經能直接處理長達 100 萬個 token 的內容，大幅提升對資訊的整體理解、推理與分析能力。 相對來說，Edge Computing 受限於硬體資源，無法負荷如此龐大的計算量，因此必須採用檔案檢索增強生成（RAG）技術。 所謂 RAG 方法指的是，將大型文件拆分為數個小區塊（chunks），並存入向量資料庫。當使用者提出查詢時，系統會檢索出與問題最相關的區塊，然後將其餵給 AI 模型進行回答。 這種方式雖然無法讓模型一次性理解完整文件，但透過精準檢索與高效計算，依然能夠在資源有限的情況下提供有價值的回應。 有人說大型語言模型的快速進化會打死RAG，但我認為，雲端與邊緣運算面對不同場域，擁有各自適合的解決方案。

科技

系統/程式

本專題主要放一些投資理財方面的個人研究，投資理念偏向價值投資，習慣從產業的角度、產品營收佔比分析公司體質，近期研究的主題著重於：
（1）半導體產業鏈：IC設計、IC製造、CoWos
（2）重電產業鏈：台電強韌電網、智慧電網計畫
（3）營建股追蹤：隆大、新美齊、憶聲、順達、名軒

EMO先生的沙龍

RAG是否會被打趴？

此文章介紹LeetCode中Binary Tree的三種主要遍歷方法：深度優先搜尋(DFS)、廣度優先搜尋(BFS)和中序遍歷(Inorder Traversal)，並搭配LeetCode範例題目說明其應用與解題技巧。文末總結各種方法的適用情境，幫助讀者提升解題能力。

學習

職場

以行動支持創作者！付費即可解鎖

軟體開發

搜尋

題目

訪問

LeetCode刷題的Golang小技巧｜探索Tree解法

本文介紹使用 Golang 解決 LeetCode 題目的技巧，包含運用 map[int]int、slice 實作堆疊、copy 函數高效複製切片、for 迴圈取代 while 迴圈，以及處理鏈結串列的技巧，以提升程式碼效率和可讀性。

祝EMO先生新年快樂！🧧🎊☀️