首頁內容關於
宅D嘉的開發人生
Top 5
乙太幣 (ETH) 做為乙太坊 (Ethereum)的使用貨幣，此篇我們就來看看乙太幣的價值在哪？
2.市值：目前乙太幣的市值為4674億美元，流通量為118,804,120個乙太幣，市值的高低也就代表著此加密貨幣有一定的價值存在。
熱門的區塊鏈遊戲《Axie Infinity》
說到乙太幣 (ETH) 就不能不提乙太坊 (Ethereum) -
乙太坊是由俄羅斯裔加拿大程序員 - Vitalik Buterin (人稱V神) 和Gavin Wood共同推出的，乙太坊是一種去中心化而有智能合約功能的一種公共的區塊鏈平台，開發者需要支付乙太幣做為運行智能合約所需的交易手續費
加密貨幣最重要的就是這個幣有沒有價值!
我們來看看，比特幣(BTC)的價值在哪裡？
2.信仰：我相信有不少人會相信未來的世界裡，加密貨幣一定會愈來愈壯大，包含Web 3.0是以區塊鏈為架構來運行的，有了這一層的信仰，而身為龍頭的比特幣，很多人也相信比特幣未來是無法取代的，也不會消失，信仰也代表著有它
乙太幣 (ETH) 做為乙太坊 (Ethereum)的使用貨幣，此篇我們就來看看乙太幣的價值在哪？
2.市值：目前乙太幣的市值為4674億美元，流通量為118,804,120個乙太幣，市值的高低也就代表著此加密貨幣有一定的價值存在。
熱門的區塊鏈遊戲《Axie Infinity》
說到乙太幣 (ETH) 就不能不提乙太坊 (Ethereum) -
乙太坊是由俄羅斯裔加拿大程序員 - Vitalik Buterin (人稱V神) 和Gavin Wood共同推出的，乙太坊是一種去中心化而有智能合約功能的一種公共的區塊鏈平台，開發者需要支付乙太幣做為運行智能合約所需的交易手續費
加密貨幣最重要的就是這個幣有沒有價值!
我們來看看，比特幣(BTC)的價值在哪裡？
2.信仰：我相信有不少人會相信未來的世界裡，加密貨幣一定會愈來愈壯大，包含Web 3.0是以區塊鏈為架構來運行的，有了這一層的信仰，而身為龍頭的比特幣，很多人也相信比特幣未來是無法取代的，也不會消失，信仰也代表著有它
Cocos Creator 2D實戰(一)
環境設定
第二步先做環境設定：環境設定、VS Code
正常來說跟著做就可以完成環境設定了，由於是開發2D，所以右上角先選擇2.4版(目前最高版本)會比較好，比較不容易錯亂，畢竟3.x和2.x的差異很大。
Cocos Creator 實戰
Cocos Creator是個用來開發2D或是3D遊戲的整合開發環境(IDE)，程式語言是使用Javascript或TypeScript，Unity是用C#，但如果是Cocos Creator 3D的話是只能用TypeScript，所以建議還是用TypeS
Cocos Creator 2D實戰(一)
環境設定
第二步先做環境設定：環境設定、VS Code
正常來說跟著做就可以完成環境設定了，由於是開發2D，所以右上角先選擇2.4版(目前最高版本)會比較好，比較不容易錯亂，畢竟3.x和2.x的差異很大。
Cocos Creator 實戰
Cocos Creator是個用來開發2D或是3D遊戲的整合開發環境(IDE)，程式語言是使用Javascript或TypeScript，Unity是用C#，但如果是Cocos Creator 3D的話是只能用TypeScript，所以建議還是用TypeS
一、什麼是 RAG？
RAG 結合兩個階段：
檢索（Retrieval）： 從外部知識庫檢索與提問語意相近的資料。
生成（Generation）： 將檢索到的內容當作 context，一併輸入 LLM 中生成回答。
Pydantic ：資料驗證的超強幫手
Pydantic 是 Python 中強型別資料驗證與處理的標準工具，特別適合用於 API 的請求 / 回應資料結構驗證。
FastAPI 是一個基於 Python 3.7+ 的 高效能 Web 框架，其特點是：
超高速（基於 Starlette + Pydantic）
自動產生 Swagger API 文件
嚴謹的資料驗證與型別檢查
原生支援非同步（async / await）
目標
✅ 建立 FastAPI API，讓應用可以透過 REST API 進行 LLM 查詢
✅ 結合 RAG 技術，提高 LLM 回應的準確度
✅ 存入及查詢 FAISS 向量資料庫，讓 LLM 檢索外部知識庫
AI幻覺（AI Hallucination）是指人工智慧（AI）生成的內容包含錯誤、不準確或完全虛構的資訊，但卻表現得像是真實可靠的答案。這種現象通常發生在大型語言模型（LLM）或其他生成式AI系統中，並可能導致誤導性的結果。
本篇探討 Prompt Engineering 的策略與應用，並介紹一個 Prompt Engineering 實驗平臺專案，平臺允許使用者輸入任務敘述、選擇風格和提示策略，比較不同 Prompt 的回應結果，有助於學習如何設計 Prompt 模板來影響 LLM 行為及比較不同提示策略對結果的影響。
學習內容：
了解 Tokenization、Embedding、向量搜索（FAISS、Chroma）
學習如何微調 LLM（LoRA、PEFT）
準備數據集（清理、標註、格式化）
學習內容：
了解 LLM 的基本原理（Transformer、Attention 機制）
熟悉 Hugging Face、OpenAI API、LangChain 等工具
探索不同 LLM 模型（GPT、Llama、Claude、Mistral）
一、什麼是 RAG？
RAG 結合兩個階段：
檢索（Retrieval）： 從外部知識庫檢索與提問語意相近的資料。
生成（Generation）： 將檢索到的內容當作 context，一併輸入 LLM 中生成回答。
Pydantic ：資料驗證的超強幫手
Pydantic 是 Python 中強型別資料驗證與處理的標準工具，特別適合用於 API 的請求 / 回應資料結構驗證。
FastAPI 是一個基於 Python 3.7+ 的 高效能 Web 框架，其特點是：
超高速（基於 Starlette + Pydantic）
自動產生 Swagger API 文件
嚴謹的資料驗證與型別檢查
原生支援非同步（async / await）
目標
✅ 建立 FastAPI API，讓應用可以透過 REST API 進行 LLM 查詢
✅ 結合 RAG 技術，提高 LLM 回應的準確度
✅ 存入及查詢 FAISS 向量資料庫，讓 LLM 檢索外部知識庫
AI幻覺（AI Hallucination）是指人工智慧（AI）生成的內容包含錯誤、不準確或完全虛構的資訊，但卻表現得像是真實可靠的答案。這種現象通常發生在大型語言模型（LLM）或其他生成式AI系統中，並可能導致誤導性的結果。
本篇探討 Prompt Engineering 的策略與應用，並介紹一個 Prompt Engineering 實驗平臺專案，平臺允許使用者輸入任務敘述、選擇風格和提示策略，比較不同 Prompt 的回應結果，有助於學習如何設計 Prompt 模板來影響 LLM 行為及比較不同提示策略對結果的影響。
學習內容：
了解 Tokenization、Embedding、向量搜索（FAISS、Chroma）
學習如何微調 LLM（LoRA、PEFT）
準備數據集（清理、標註、格式化）
學習內容：
了解 LLM 的基本原理（Transformer、Attention 機制）
熟悉 Hugging Face、OpenAI API、LangChain 等工具
探索不同 LLM 模型（GPT、Llama、Claude、Mistral）
