AI

最近看了許多文章、影片，都在探討 RAG 的應用，所以研究了一下 N8N 如何建立自己的 RAG 系統， 並且結合 Line 來打造一個客服 AI 機器人，這篇文章就來分享一下整個流程和步驟。 由於 AI 領域的更新，可能是以天或者甚至以小時為單位在變化，參考了很多影片後，會發現不一定時做得出來你想要的需求 總共會使用到的服務有 N8N、Line OA、Gemini AI、Pinecone、Google Drive，這些服務大部分都有免費額度可以使用 建立 Line 帳號 首先進入到 Line OA 管理後台，建立自己一個新的官方帳號 Line OA 管理 取得 Channel Access Token 和 Webhook 以及點擊下方的 LINE Developers Console 可以找到 Channel Secret 這 3 個資訊在後續 N8N 的設定中會用到。 RAG 介紹 RAG (Retrieval-Augmented Generation) 是一種結合檢索和生成的技術，主要用於提升自然語言處理模型的性能。 在大語言模型中經常會出現「幻覺」(Hallucination) 的問題，RAG 透過引入外部知識庫來減少這種現象。 主要分成三個部分： 檢索 (Retrieval)：從外部知識庫中檢索相關資訊，這些資訊可以是文件、文章、數據等。 增強 (Augmentation)：將檢索到的資訊與輸 入的查詢結合起來，形成一個更豐富的上下文。 生成 (Generation)：使用自然語言生成模型來產生回答， RAG 與 生成式 AI (Generative AI) 的主要區別於 RAG 透過資料庫中的資訊來輔助回答問題， 而生成式 AI (例如 GPT 等)則主要依賴於模型本身的訓練數據來產生內容，但不一定保證內容正確性 ...

Google 在 2025 年 5 月 21 日宣布推出其最新的 AI 編程助手 Jules，旨在與 OpenAI 的 Codex 競爭。Jules 是一個強大的 AI 編程助手，專為開發者設計，能夠理解自然語言指令並生成高質量的程式碼。 以下就來試試看，如何透過 Jules 來幫我的一個 Filament 專案，加上我想要的功能。 我已經安裝 spatie-laravel-settings-plugin Plugin，我想讓 EmployeeResource.php 這個檔案裡面的其中一個欄位，能夠透過設定檔來控制。 開啟 Jules 並且連結 Github 開啟 Google Jules 選擇 Repo 根據我的 prompt 生成我需要的程式碼 feat: assign config value $hr_base_salary to Employee resource's base_salary 過程中會出現一些 error，Jules 嘗試自動修復環境問題。 最後成功生成了我需要的程式碼，並且詢問要不要開新分支 在我的 Github Repo 中可以看到 Jules 自動生成的分支 總結 整體來說算是一個不錯的體驗，Jules 能夠快速理解我的需求並生成相應的程式碼。雖然在過程中遇到了一些錯誤，但它能夠自動修復並繼續進行。這對於開發者來說是一個很大的幫助，特別是在處理複雜的專案時。 我相信一個好的且明確的 prompt 可能會影響到 AI 執行的結果。這或許是我們需要多加學習如何當一個好的 prompt engineer。