使用 AutoGen 打造多 AI 工作流 — Two-Agent Chat 與 Group Chat 一文中介紹 two-agent chat 與 group chat 兩種對話模式，本文將接續介紹剩下 2 種對話模式：
理解 AutoGen 的各種對話模式，將有助於處理較複雜的 workflow。
最後，在 Nested Chats 的程式碼範例中，我們將介紹如何使用 AutoGen 執行 Python 程式碼，並取得其執行結果與 agent 進行互動。
大家應該或多或少聽說過 ChatDev, Devika 等 AI 專案， 這些 AI 專案的特點在於多個 AI 角色協同完成工作，能夠完成多樣化的任務，例如制定軟體規格、撰寫程式碼以及測試軟體等不同層面的任務。
如果單純只有使用 ChatGPT 的經驗，應該很難想像 AI 是如何處理如此複雜的功能，但如果將這些任務像人類分工一樣，交由專門的 AI 或模型負責的話，這一切就變得合理與易於理解。
本文將介紹如何使用 AutoGen 打造多 AI 協同合作的工作流，讓大家能夠更加發揮 AI 的力量，打造更複雜的 AI 工作流程，解放 AI 在輔助日常工作的更多可能性。
打造美觀且引人注目的 Landing Page 是每個專案的關鍵之一。 然而，Landing Page 上的元件大多相似，如果有現成的元件庫可以使用，將能大幅節省開發時間。 Page UI
Posted on Sep 13, 2024 by Amo Chen ‐ 1 min read
後端工程師在日常工作或面試中，常常會遇到以下幾種技術與工具：
這些技術的共通點是它們都處於承載流量的第一線，但在用途上卻各有不同，因此容易產生混淆。
本文將釐清這些技術與工具的差異，以理解它們各自的功能與應用場景，避免常見的誤解。
儘管 LLM 相關的 prompt engineering 已經累積了一些技術和使用技巧，但整體而言，這個領域仍處於發展階段，尚未有公認的最佳實務能夠完全駕馭 LLM 的潛力。不過，我們仍可參
Posted on Sep 10, 2024 by Amo Chen ‐ 1 min read
如果說有一種方法能像奇異博士那樣看到 14,000,605 種未來，那大概就是蒙地卡羅方法了。
在接觸蒙地卡羅方法之前，我曾以為它是一種神奇的演算法。但深入了解後才發現，蒙地卡羅方法其實是一種簡單、直觀且實用的工具！
本文將介紹蒙地卡羅方法，並使用 Python 進行實際演練，從計算 π 值到模擬台股的長期投資，幫助大家從理論到實務全面掌握！
Posted on Sep 9, 2024 in Python 程式設計 - 初階 by Amo Chen ‐ 5 min read
如果你需要自建文字語音合成(Text to Speech, TTS)的服務，可以參考 Femoon/tts-azure-web 這個 GitHub 專案，該專案可以讓我們在 localhost 或者 Vercel 部署 1 個使用 Azure 文字語音合成服務的網頁
Posted on Sep 4, 2024 by Amo Chen ‐ 1 min read
以前在開發 Chrome 擴充 NimoTab 時，有 1 個功能需要將相似/相同的網頁標題分群在一起，例如下圖：
當時用的是土炮的方法（但其實類似 DBSCAN），不過後來跟從事機器學習的同事討教有沒有更好的做法時，才知道有 1 個稱為 DBSCAN 的演算法可以使用。
本文將介紹 DBSCAN 這個實用的分群演算法，並以實際範例展示如何做到將相似的資料分群在一起，藉此讓大家對 DBSCAN 有更深入的理解。