內容說明:
商品資料
作者：太閣
出版社：鼎文書局
出版年：2025
課程類型：考試證照>高普特考
檔案格式：PDF
ISBN：9786263508392
書籍簡介
用最實務的方式，讓 AI 真正為你的系統工作，
從此告別只會聊天的 AI，打造能解決實際問題的智慧助手！
★ 用 Node.js 打造強大 AI 應用
★ JavaScript/Node.js全端開發，Web 工程師最熟悉的技術棧
★ 實戰導向教學，每章都有完整可執行的程式碼範例
★ 不只教你用 AI，更教你把 AI 整合到既有系統中
只要你曾經想過：「如何讓 AI 加入我的系統，為我工作？」
這本書，就是你的一個解答。
【基礎入門】從理論到實作的第一步
• AI 與 LLM 核心概念：從 Token、Embedding、多輪對話機制完整解析帶你更認識 AI
• 環境搭建與 Discord Bot 開發：用最熟悉的 JavaScript 開始你的 AI 之旅
• OpenAI API 整合實戰：掌握 ChatGPT API 的正確使用方式
【進階技巧】Prompt Engineering 提示詞工程
• 零樣本、少樣本提示技巧：讓 AI 理解你的真正需求
• 角色提示與思維鏈：打造有個性、會推理的 AI 助手
• 格式化輸出與安全防護：用 Zod 確保穩定性，防範 Prompt Injection 攻擊
【核心技術】Tool Calling 讓 AI 長出手腳
• Function Calling 實戰：從遊戲指令到官方 API 的進化史
• 多輪工具調用：讓 AI 學會「連續技」，處理複雜任務
• OpenAI 官方工具整合：Web Search、Image Generation 輕鬆上手
【企業應用】Workflow 與 Agent 團隊協作
• 多 Agent 協作模式：協調者-工作者、評估者-優化者架構設計
• RAG 知識庫系統：突破 Token 限制，讓 AI 博覽群書
• LLM 應用開發框架：從手工打造到框架化開發的實踐介紹
【本書適合】
◎ Full-Stack 工程師：想將 AI 能力整合到 Web 應用中
◎ 後端開發者：需要為既有系統添加 AI 功能
◎ 企業技術主管：評估 AI 技術導入可行性
◎ 產品經理：了解 AI 產品開發的技術邊界
◎ 新創團隊：快速建構 AI 產品的 MVP
◎ 資深工程師：深入理解 LLM 應用架構設計
專家推薦
這本書正是「AI 原生」思維的結晶。書裡不只是把你帶著寫出一個 AI 應用而已，更重要的是教你怎麼善用 AI 工具的特性，像是怎麼設計提示詞、怎麼處理多輪對話、怎麼拆解工作流程，甚至連安全性、效率管理這些小細節都有涵蓋。—— 古健樺，政大數位內容學程兼任講師 / 熊熊幹大事 BearDBT 設計總監
作者簡介
作者簡介
吳睿誠（Ray貓）
自學成才的軟體設計工程師，專精於 AI 應用開發前端視覺開發。
在技術社群擁有廣泛影響力，在 Threads 平台上有著破萬的追蹤者，累積超過 500 篇技術分享文章。曾受邀於JSDC（台灣最大 JavaScript 年會）以及參與過 COSCUP（台灣最大開源軟體活動）皆擔任講者，分享 AI 與未來開發的深度洞察。
曾任台灣大學課程網全端工程師，目前是熊熊幹大事股份有限公司的工程師，同時也是現為新創 Redia 創辦人，致力於用生成式 AI 重新定義學習體驗。
擅長將複雜的概念用簡單的文字、生活化的譬喻讓任何的人都能理解。
GitHub: github.com/sr0725
個人網站：www.ray-realms.com/
Email: [email protected]
章節
- 1.1 什麼是 AI 和 LLM ？(第1-2頁)
- 1.2 Token：AI 理解世界的基本單位(第1-9頁)
- 1.3 旅程的起點，環境搭建(第1-16頁)
- 1.4 打造第一個 AI 對話介面：Discord Bot(第1-19頁)
- 1.5 環境安全與最佳實踐(第1-31頁)
- 1.6 整合 ChatGPT：為 Bot 注入智慧(第1-34頁)
- 1.7 多輪對話機制的實現(第1-39頁)
- 1.8 ChatGPT API 進階調校(第1-44頁)
- 1.9 控制 AI 的「創意程度」(第1-50頁)
- 1.10 章節重點觀念整理(第1-53頁)
- 2.1 什麼是 Prompt（提示詞）(第2-2頁)
- 2.2 什麼是 Prompt Engineering（提示詞工程）(第2-2頁)
- 2.3 把 LLM 當成實習生(第2-3頁)
- 2.4 你獲得到一個新的任務！(第2-3頁)
- 2.5 第一步，定義你的成功標準(第2-5頁)
- 2.6 最簡單但重要的提示詞，零樣本提示（Zero-shot）(第2-10頁)
- 2.7 LLM 應用開發技巧：判斷必須具備容錯(第2-14頁)
- 2.8 任務拆解， Workflow 的基礎(第2-15頁)
- 2.9 少樣本提示（Few-shot）—— 用範例教會 AI(第2-18頁)
- 2.10 格式化提示：Markdown 和 XML(第2-21頁)
- 2.11 理解 LLM，成為 LLM(第2-23頁)
- 2.12 角色提示（Role Prompting）—— 讓 AI 從特定視角思考(第2-24頁)
- 2.13 思維鏈提示（Chain of Thought）—— 讓 AI 展現推理過程(第2-27頁)
- 2.14 AI 安全性 —— 當 AI 被「駭」了怎麼辦？(第2-30頁)
- 2.15 讓 AI 穩定輸出：格式化輸出(第2-40頁)
- 2.16 章節重點觀念整理(第2-46頁)
- 2.17 章節自我檢測(第2-47頁)
- 3.1 被 AI 奴役的人類(第3-2頁)
- 3.2 遊戲指令的啟發(第3-3頁)
- 3.3 官方 Function Calling：現代化的解決方案(第3-5頁)
- 3.4 多輪工具調用：讓 AI 學會「連續技」(第3-20頁)
- 3.5 OpenAI 官方工具：讓 AI 接入真實世界(第3-28頁)
- 3.6 AI Agent：從工具使用者到自主助手(第3-37頁)
- 3.7 章節重點觀念整理(第3-48頁)
- 4.1 為什麼你需要 Workflow ？(第4-2頁)
- 4.2 協調者- 工作者模式：打造 AI 研究團隊(第4-7頁)
- 4.3 評估者- 優化者模式：讓 AI 學會精益求精(第4-17頁)
- 4.4 章節重點觀念整理(第4-26頁)
- 4.5 章節自我檢測(第4-27頁)
- 5.1 從 Token 限制到智慧搜尋(第5-2頁)
- 5.2 使用 OpenAI 官方 RAG：最簡單的開始(第5-10頁)
- 5.3 使用 OpenAI 官方 RAG：建立索引資料庫(第5-12頁)
- 5.4 使用 OpenAI 官方 RAG：整合搜尋功能(第5-16頁)
- 5.5 深入 RAG：自訂搜尋與優化(第5-18頁)
- 5.6 RAG 最佳實踐與除錯技巧(第5-22頁)
- 5.7 進階 RAG 技術：當基礎搜尋不夠用時(第5-24頁)
- 5.8 章節重點觀念整理(第5-31頁)
- 5.9 章節自我檢測(第5-32頁)
- 6.1 為什麼需要框架？(第6-2頁)
- 6.2 AI SDK：統一的 LLM 介面(第6-4頁)
- 6.3 LlamaIndex：專業的 RAG 框架(第6-6頁)
- 6.4 LangChain：靈活的工作流程框架(第6-8頁)
- 6.5 LangGraph：精確的狀態機控制(第6-10頁)
- 6.6 LangSmith：監控與除錯平台(第6-12頁)
- 6.7 框架選擇指南(第6-14頁)
- 6.8 章節重點觀念整理(第6-15頁)
- 7.1 Vibe Coding 的基礎概念(第7-2頁)
- 7.2 什麼是 Vibe Coding ？(第7-3頁)
- 7.3 設計有效的提示詞：與 AI 溝通的藝術(第7-5頁)
- 7.4 Claude Code：優秀的 Vibe Coding 工具(第7-8頁)
- 7.5 掌握Claude Code：從基礎到進階的操作技巧(第7-11頁)
- 7.6 Vibe Coding 的優勢與挑戰(第7-16頁)
- 7.7 章節重點觀念整理(第7-19頁)
- 7.8 結語：從 Vibe Coding 到未來(第7-21頁)