每日電子報 · 12 天
從 PoC 到 Production：企業 AI Agent 系統工程
把 LLM/AI agent 從 PoC 推向 enterprise production 的系統工程實戰：RAG、向量檢索、tool use、記憶、多代理、可觀測性、治理與團隊落地。
12 天，每天一封
從訂閱隔天開始，每天 09:00 收到一篇文章。12 天讀完整個系列。
免費訂閱、隨時可退訂。我不會把你的 email 給任何人。
這 12 天會收到什麼
- Day 1 為什麼企業 AI Agent 卡在 PoC？從 demo 到 production 的六道鴻溝
- Day 2 企業 AI Agent 系統架構藍圖：一張圖看懂能上 production 的 agent 長什麼樣
- Day 3 RAG 架構實戰：從文件 ingestion 到 source-cited 回答的每一步
- Day 4 向量資料庫與 embedding 策略：先別急著上 Pinecone，pgvector 可能就夠了
- Day 5 權限感知檢索：企業 RAG 最難、也最容易被略過的一關
- Day 6 Tool use 與 MCP：當 agent 能動手操作系統，邊界該怎麼劃
- Day 7 Agent memory 與狀態管理：short / long / episodic，以及記憶也有權限
- Day 8 多代理協作：什麼時候真的需要 multi-agent，什麼時候那只是讓系統更貴
- Day 9 生產級 LLM 可觀測性與評估：沒有 eval 的 agent，等於沒有測試的軟體
- Day 10 延遲、可靠性、成本：AI agent 系統設計的鐵三角
- …還有 2 篇