AI 工程實戰

AI/ML 工程、LLM 應用與 MLOps

站內分類

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

41 篇文章

AI Agent 最大的痛點就是健忘——每次對話都從零開始。Engram 記憶層搭配 MCP 協議，終於讓 Agent 擁有長期記憶能力。

2026 年 AI Agent 開發者最常面臨的選擇：Claude 4 Opus 還是 GPT-5？本文深入比較兩款頂尖模型在 SWE-bench、推理、工具呼叫與 Agent 任務上的表現。

LLM

想讓你的 AI Agent 記住之前的對話、學會累積經驗？這篇從零開始教你設計完整的記憶系統。

劉芷晴12 分鐘閱讀

完整比較 Mem0 與 Letta 兩大 AI Agent 記憶管理框架的架構差異、效能數據與實戰整合，幫你選出最適合的 Agent 記憶方案

完整解析 MCP Model Context Protocol，教你打造可連接資料庫、API 等任意工具的 AI Agent，含 Python 實作範例。