AI 工程實戰

AI/ML 工程、LLM 應用與 MLOps

站內分類

llm
rag
mlops
computer vision
prompt engineering

劉芷晴

10 年經驗LinkedIn

AI 研究員與資料科學家，專注於 NLP 與 LLM 應用研究。在學術機構與科技產業間架起橋樑，致力於將前沿 AI 技術轉化為實際的工程解決方案。

工作經歷：AI 研究員，曾任職 Academia Sinica 資訊所，現任科技公司 AI Lab 負責人，10 年研究資歷

學歷：國立台灣大學資訊工程學系博士（NLP 組）

DeepLearning.AI TensorFlow Developer CertificateAWS Machine Learning – SpecialtyGoogle Cloud Professional Machine Learning Engineer

機器學習NLPLLM資料分析AI工程

代表成就

在 ACL、EMNLP 等頂級 NLP 學術會議發表論文 8 篇
開發繁體中文 LLM 微調框架，開源後獲超過 2,000 GitHub stars
協助政府機關導入 AI 文件審核系統，效率提升 70%

41 篇文章

LLM

MCP Server 開發實戰：從零打造 AI Agent 工具整合系統

手把手教你用 TypeScript/Python 建置 MCP Server，讓 AI Agent 能查資料庫、讀檔案、呼叫 API。從環境準備到部署連接 Claude，完整實戰教學。

劉芷晴2026年3月18日12 分鐘閱讀

LLM

2026 AI Agent 開發框架比較：LangGraph、CrewAI、OpenAI Agents SDK 該選哪個？

深度比較 2026 年三大 AI Agent 開發框架，從架構、易用性到實戰場景完整分析。

2026年3月18日14 分鐘閱讀

LLM

LangGraph AI Agent 開發入門教學：從零打造你的第一個智能助手

LangGraph 是目前最靈活的 AI Agent 開發框架之一，本文從核心概念到實作範例，帶你打造第一個智能助手。

2026年3月18日12 分鐘閱讀

LLM

LLM 微調教學：LoRA 與 QLoRA 從零開始的 Fine-tuning 實戰指南

從零開始學習 LLM 微調技術，深入理解 LoRA 與 QLoRA 的原理與實作。手把手教你用一張消費級 GPU 完成大型語言模型的 Fine-tuning，附完整程式碼範例與調參建議。

2026年3月18日8 分鐘閱讀

RAG

RAG 向量資料庫比較：Pinecone、Weaviate、pgvector 到底怎麼選？

深入比較 Pinecone、Weaviate、pgvector、Qdrant、Chroma 五大向量資料庫的效能、價格與易用性。附上實戰決策框架，幫你根據需求快速找到最適合的 RAG 方案。

2026年3月17日7 分鐘閱讀

Prompt Engineering

Prompt Engineering 進階技巧：Chain of Thought 完整教學與實戰應用

深入解析 Prompt Engineering 進階技巧與 Chain of Thought 教學，涵蓋 Zero-shot、Few-shot CoT、Tree of Thoughts 等方法，搭配實戰範例帶你掌握 2026 最新趨勢。

劉芷晴2026年3月17日

RAG

RAG 應用 Chunking 策略教學：文件分塊最佳實踐完整指南（2026）

選對 Chunking 策略，RAG 的召回率可以差到 40%。本文整理 2026 年最新 Benchmark 數據與實戰心得，帶你從零到一掌握文件分塊最佳實踐。

劉芷晴2026年3月17日

RAG

LangChain vs LlamaIndex 完整比較：2026 年 RAG 框架到底該怎麼選？

在 RAG 應用開發中，LangChain 和 LlamaIndex 是最常被拿來比較的兩大框架。這篇文章從架構設計、效能數據到實戰經驗，幫你釐清到底該選哪一個。

劉芷晴2026年3月17日7 分鐘閱讀

LLM

LangChain Agent 開發入門：工具呼叫教學

學習 LangChain Agent 開發與工具呼叫技巧，掌握 @tool 裝飾器、ReAct 模式與 Deep Agents 新功能。立即開始打造你的 AI Agent！

劉芷晴2026年3月17日

產業新聞

AI 自動訓練 AI：連 AI 工程師都快被淘汰了？

當 AI 可以自己設計神經網路架構、自動調參、甚至自動生成訓練資料——曾被認為最安全的 AI 工程師職位，如今也站在了懸崖邊上。

2026年3月17日

LLM

Claude MCP Model Context Protocol 開發教學：打造 AI 工具整合生態系（2026 完整指南）

完整 Claude MCP 開發教學，從架構解析到實作第一個 MCP Server，掌握 Tools、Resources、Prompts 三大核心，打造標準化 AI 工具整合。

劉芷晴10 分鐘閱讀

LLM

Microsoft Agent Framework 完整教學：用 AutoGen 與 Semantic Kernel 打造多 Agent AI 系統

Microsoft 將 AutoGen 與 Semantic Kernel 整合為全新的 Agent Framework，同時支援 LLM 驅動與確定性工作流編排。本文完整介紹其核心架構、Graph-based Workflow、多 Agent 協作模式與企業級整合能力，含 Python 實作範例。

8 分鐘閱讀