GenAI
含有「GenAI」共 56 篇內容
全部內容
發佈日期由新至舊
本文分享如何運用生成式 AI 作為個人教練，輔助管理者提升領導力。透過與 ChatGPT 的對話，結合 Daniel Goleman 的六種領導風格模型，進行自我評估、案例分析及行動規劃，並運用 NotebookLM 產生影片摘要、心智圖和文字報告，最後示範如何用 Lovable 建立對外服務網站。
在過去兩年裡，生成式 AI（Generative AI, GenAI）成為全球企業最熱門的投資領域。據統計，2024 年全球企業對 GenAI 的投資高達 300–400 億美元。然而，驚人的現象是：這些專案中，高達 95% 無法帶來實質的財務影響，真正能成功規模化並創造百萬級價值的案例不到 5%。
本文介紹生成式AI（Generative AI）特性、應用，包括其多元創作能力、機率式回覆、AI幻覺現象、短期記憶功能、多模態能力、即時更新、溫和的回應機制，以及通用型與專用型AI模型的區別。
軟體工程師的工作心得與時代變遷，從無到有的成就感、團隊合作的喜悅、使用者回饋的滿足感，以及三個階段的工作型態轉變：石器時代、框架與開源時代、AI時代。探討AI時代帶來的衝擊與挑戰，包含技能迭代速度加快、專案時程縮短等，並反思工程師未來的發展方向。
付費限定
最近與摯友談及AI與教育議題的交會，心中悄然萌生一個念頭：或許，是時候在「AI抱抱系列」中，開啟一場關於AI與教育的對話。根據過往研究，未來二十年，近半數現有職業將走入歷史，而今日教室裡的孩童，估計有65%將投身於尚未被命名的工作。這些職業不僅新穎，更深植於AI技術與知識的沃土之中[1]。。。
5/5AI與教育
Pinecone：設計簡單、穩定高效、支援向量更新與 metadata
(免費方案足夠實驗使用)
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
