<aside> 📢 有些Medium文章是只有開放給會員，目前Medium有個新功能可以產生連結給非會員，非Medium會員請點選「Friend Link」

</aside>

<aside> 💡

相關頁面: AI相關工具非常非常的多，RAG開發工具會整理在RAG開發工具，LLM以及相關工具會整理在Large Language Models，Graph RAG開發工具會整理在Graph RAG，其他工具整理在Generative AI開發工具中。目前還有一些資料在Generative AI及RAG中，將逐步整理這些內容。

</aside>

生成式人工智慧

<aside> 💡

入門者請先參考生成式人工智慧應用，該頁面有一些基本概念的介紹。

</aside>

<aside> 📢 以下內容是請Notion AI產生的生成式人工智慧的介紹

</aside>

生成式人工智慧（Generative AI, GAI/GenAI）是一種能夠創造新內容的人工智慧技術。以下是對生成式人工智慧的簡要介紹：

• 核心技術：生成式人工智慧主要基於大型語言模型（LLM）的技術。這些模型通過海量數據訓練，能夠理解和生成人類語言。
• 應用範圍：生成式AI可以用於多種任務，包括但不限於：
  • 文本生成和對話
  • 回答問題
  • 提供摘要資訊
  • 翻譯
  • 創作內容（如文章、故事）
  • 程式設計輔助
• 優勢：
  • 能夠快速生成大量內容
  • 可以處理複雜的語言任務
  • 具有強大的上下文理解能力
  • 可以促進協作和提高效率
• 挑戰和限制：
  • 可能產生不正確或虛假資訊
  • 存在資料來源偏誤的問題
  • 資訊可能不夠即時或更新

生成式AI正在迅速發展，並對多個領域產生重大影響，包括教育、工作和日常生活。然而，在使用這項技術時，我們也需要注意其局限性，並謹慎評估其輸出。

以下是一些相關的文章:

• 替你的應用程式加上智慧! 談 LLM 的應用程式開發
  • “安德魯小舖” 的進化
    • Azure OpenAI + Semantic Kernel
  • 探索 LLM 應用的系統架構與開發框架
  • 未來的發展 (個人觀點)
• 關於生成式 AI ( AIGC、GenAI ) (STEAM教育學習網)
• The GenAI Maturity Model
  • Level 0: Prepare Data
  • Level 1: Select Model & Prompt: Serve Models
  • Level 2: Retrieval Augmentation: Retrieve Info to Augment the Prompt
  • Level 3: Tuning the Model with Domain Specific Data
  • Level 4: Ground the Model Output with Search & Citations
  • Level 5: Agent-based Systems
  • Level 6: The Multi-Agent Multiplier
• How to Choose the Architecture for Your GenAI Application
  • 1st decision criterion is creativity
  • 2nd decision criterion is risk
• Generative AI Playbook For Architects, IT Leaders & CXOs
• Beyond the Hype: When Generative AI Isn’t Always the Answer (Friend Link)
• Why Generative AI Isn’t the Silver Bullet for Every Problem
  • Content Generation
  • Conversational User Interfaces
• Generative AI Design Patterns: A Comprehensive Guide
  • Layered Caching Strategy Leading To Fine-Tuning
  • Multiplexing AI Agents For A Panel Of Experts
  • Fine-Tuning LLM’s For Multiple Tasks
  • Blending Rules Based & Generative
  • Utilizing Knowledge Graphs with LLM’s
  • Swarm Of Generative AI Agents
  • Modular Monolith LLM Approach With Composability
  • Approach To Memory Cognition For LLM’s
  • Red & Blue Team Dual-Model Evaluation