WEBVTT
Kind: captions
Language: zh-TW

00:00:00.000 --> 00:00:01.659
哈囉大家好我是小雲大叔

00:00:01.659 --> 00:00:05.120
這個頻道以AI應用以及智能化工作流程為主

00:00:05.120 --> 00:00:11.660
帶著你一起學習一起探索AI的無限可能記得按讚訂閱開啟小鈴鐺

00:00:11.660 --> 00:00:13.970
讓AI成為你的超能力

00:00:13.970 --> 00:00:16.280
哈囉大家好我是凱文大叔

00:00:16.280 --> 00:00:21.899
最近用AI做了一些專案也上了一些跟AI相關的課程

00:00:21.899 --> 00:00:27.640
我發現很多人在使用AI他們可能還是停留在

00:00:27.640 --> 00:00:32.640
比如說讓AI去做一些圖片或者是說幫你開發程式

00:00:32.640 --> 00:00:37.640
但是實際上我們AI在程式開發上面其實也有很多面向

00:00:37.640 --> 00:00:41.039
不是只有拿來寫程式而已我們今天就來教大家

00:00:41.039 --> 00:00:45.039
AI可以應用在程式中的七個實戰場景

00:00:45.039 --> 00:00:49.439
因為前陣子就是在網路上看到一些人雖然他可以拿來寫程式

00:00:49.439 --> 00:00:52.240
但是他實際上不曉得怎麼用在企業中

00:00:52.240 --> 00:00:57.840
或者是說AI它就是單純拿來做一些工作上的應用

00:00:57.840 --> 00:01:01.240
但是這個都屬於個人上的進行前進

00:01:01.240 --> 00:01:06.739
AI其實拿來做這個企業上的應用也是非常不錯的

00:01:06.739 --> 00:01:08.739
那我們今天就來跟大家講

00:01:08.739 --> 00:01:14.439
會有哪七大場景可以來用AI幫我們去做得更好

00:01:14.439 --> 00:01:21.040
首先就是AI復甦開發雖然很多人講說AI可以取代於程式設計師

00:01:21.040 --> 00:01:24.980
但是AI對程式設計師的幫助其實是最大的

00:01:24.980 --> 00:01:31.879
因為AI從早期的這個補全代碼到後來給出建議或者是解釋程式內容

00:01:31.879 --> 00:01:36.939
到後面這個可以產生單元測試甚至現在的agent

00:01:36.939 --> 00:01:41.980
都是可以讓你從頭到尾寫出一個程式來你只需要做什麼

00:01:41.980 --> 00:01:48.939
你只需要去規劃去驗證程式其他中間的過程通通都可以交給AI處理

00:01:48.939 --> 00:01:54.219
雖然現在讓AI可以寫出全部的內容但是實際上的架構

00:01:54.219 --> 00:01:58.939
或者是說它用了什麼樣的程式內容或者是它用了什麼樣的方法

00:01:58.939 --> 00:02:02.459
這個東西還是可以由你來決定如果你不跟它講

00:02:02.459 --> 00:02:04.859
它就自己用它自己的想法去亂做一通

00:02:04.859 --> 00:02:09.819
因為AI去吸納了各種各樣的方法你如果沒有給它一個方向

00:02:09.819 --> 00:02:14.219
它就會隨便亂做因為它什麼都洗手嘛所以你這個東西

00:02:14.219 --> 00:02:17.659
你就變成一個很好的導航員讓它來幫你處理

00:02:17.659 --> 00:02:21.379
但是你只要在幕後跟他去講說你的方向就好了

00:02:21.379 --> 00:02:23.699
所以現在AI輔助開發好了

00:02:23.699 --> 00:02:26.060
已經不是一開始講的Viber Coding

00:02:26.060 --> 00:02:29.699
因為Viber Coding只是跟他講說你的想法

00:02:29.699 --> 00:02:32.180
中間怎麼樣做你完全不曉得

00:02:32.180 --> 00:02:35.379
這種Viber Coding很容易做出就是沒辦法維護的程式

00:02:35.379 --> 00:02:40.219
如果你把功能分群分塊分模組然後這樣子再去讓AI去開發

00:02:40.219 --> 00:02:45.219
他就可以把各功能區分開來不會像有些人講說他改一個然後就換一個

00:02:45.219 --> 00:02:49.419
因为你把所有的程式都集中在一起写就会有这种情况

00:02:49.419 --> 00:02:53.419
文语开发工程的角度来讲就是要把各个功能区分开来

00:02:53.419 --> 00:02:59.219
然后尽量做的就是越单一越好这样子才不会去影响到别人

00:02:59.219 --> 00:03:05.219
所以现在要学习AI辅助开发你不是只是学怎么样叫AI去写程式

00:03:05.219 --> 00:03:11.219
你是要学各种不同的框架或者是有什么样的功能可以让AI去开发

00:03:11.219 --> 00:03:15.020
这样子你给它好的指引可以寫出好的程式

00:03:15.020 --> 00:03:17.219
再來就是Tool Calling、NCP

00:03:17.219 --> 00:03:22.219
或者是最近更紅的Skill這幾個在程式裡面都是類似的功能

00:03:22.219 --> 00:03:23.919
就是讓AI去做事情

00:03:23.919 --> 00:03:26.319
Tool Calling是最早期OpenAI做的

00:03:26.319 --> 00:03:27.919
後面還有NCP

00:03:27.919 --> 00:03:30.919
NCP跟Tool Calling基本上是同一件事

00:03:30.919 --> 00:03:35.620
只是NCP把它做成是可以外掛的樣子你可以隨意安裝

00:03:35.620 --> 00:03:37.020
這樣子會比較方便

00:03:37.020 --> 00:03:39.819
以前的Tool Calling是要寫在程式裡頭的

00:03:39.819 --> 00:03:45.000
到最近的Skill Skill就是更方便一點

00:03:45.000 --> 00:03:49.800
因為Skill基本上就是一個提示詞加上一些簡單的腳本這樣子

00:03:49.800 --> 00:03:53.039
就是可以讓你的AI有能力去呼叫外部程式

00:03:53.039 --> 00:03:56.840
或是根據你的腳本去執行一些特定的動作

00:03:56.840 --> 00:04:04.159
這個部分其實大大的增加了AI的能力其實從早期的AI寫程式開始

00:04:04.159 --> 00:04:09.560
以前一開始就是頂多就是讓它補全資料或者是上網查了以後

00:04:09.560 --> 00:04:15.319
我們就去貼到ID裡面去運行但是後來AI可以直接寫檔案

00:04:15.319 --> 00:04:19.560
可以直接看檔案甚至說可以直接去網路上找資料

00:04:19.560 --> 00:04:23.000
這樣子就大大增加AI寫程式的能力

00:04:23.000 --> 00:04:27.560
所以其實除了Calling、NCT或者是Skill這類東西

00:04:27.560 --> 00:04:31.959
除了可以讓AI幫你做事以外還可以擴展AI的能力

00:04:31.959 --> 00:04:37.959
這個部分其實最近的開發來講是非常重要的一個關鍵另外在企業來講

00:04:37.959 --> 00:04:43.079
这个部分也是非常重要的因为企业有很多既有的程式

00:04:43.079 --> 00:04:49.139
既有的程式它其实是公司整个资讯系统的命脉它不能随意更改

00:04:49.139 --> 00:04:52.300
或者是说它做了一个程式不能所有AI来控制

00:04:52.300 --> 00:04:58.839
因为AI基本上它只适合来做生成资料或者是一些建议这样子

00:04:58.839 --> 00:05:06.439
它比较适合去转化资料让资料去变成材料或者是让它变成优化这样

00:05:06.439 --> 00:05:10.439
但是你要讓他去控制程式他還是會有一個隨機性

00:05:10.439 --> 00:05:15.439
或者是說他沒有辦法去追蹤讓AI完全控制原來既有的系統

00:05:15.439 --> 00:05:20.439
其實是蠻危險的我們可以讓AI做的是什麼就是你寫一個固定的方式

00:05:20.439 --> 00:05:25.439
然後可以訪問系統的資料讓AI根據這些資料再去做一些分析

00:05:25.439 --> 00:05:26.439
然後來去給你建議

00:05:26.439 --> 00:05:31.762
這個是還不錯的但是你要讓AI完全放手去做事情其實是還蠻恐怖的

00:05:31.762 --> 00:05:35.311
所以基本上這個Tool of Coli

00:05:35.311 --> 00:05:41.305
NGP就有點像是讓AI去擴充它的能力你可以去找原來系統資料

00:05:41.305 --> 00:05:45.305
或者是說有些比較簡單的動作比如說發信

00:05:45.305 --> 00:05:48.906
你可以讓AI去幫你整理完資料發信給相關的人

00:05:48.906 --> 00:05:54.505
這個部分都還蠻OK的但是要完整的可以讓AI控制

00:05:54.505 --> 00:05:59.565
可能就需要更強的框架或者是更強的一些整個技巧

00:05:59.565 --> 00:06:05.146
那這個部分其實是目前在企業上最常去應用的場景

00:06:05.146 --> 00:06:11.266
那再來就是AI最擅長的資料總結包括是一些異常的Log檢測

00:06:11.266 --> 00:06:17.086
這個部分其實就是讓AI去看文件看內容然後再給你建議

00:06:17.086 --> 00:06:23.646
或者是說幫你去做一些摘要那這個部分其實目前也是用得非常多

00:06:23.646 --> 00:06:27.805
其實這個東西再沒結合在程式裡頭就已經很多人在用

00:06:27.805 --> 00:06:31.245
它可能直接餵給AI檔案然後讓它去給一些建議

00:06:31.245 --> 00:06:36.286
或者是說幫你去做總結像最近很流行的那個Notebook LN

00:06:36.286 --> 00:06:40.286
它就是類似這樣的功能它可以餵給High-Driven資料

00:06:40.286 --> 00:06:44.286
幫你去做總結幫你去做各種形式的資料輸出

00:06:44.286 --> 00:06:51.606
或者是說你要去做一些Log的檢測以前我們可能就是要定期去人看

00:06:51.606 --> 00:06:54.546
人去看那些Log然後再去把資料整理出來

00:06:54.546 --> 00:06:59.146
現在透過AI還有一些程式的技巧我們可以快速的把Log抓出來

00:06:59.146 --> 00:07:03.606
然後把一些有問題的資料抓出來讓AI去檢查然後給你一些建議

00:07:03.606 --> 00:07:09.366
用一些優化的方式再來就是看一些財務報告或者是說一些數據分析

00:07:09.366 --> 00:07:13.466
這個部分其實不管是用在企業的財務報告上面

00:07:13.466 --> 00:07:19.646
或者是說你要去看股票的一些數據分析這個都非常非常不錯

00:07:19.646 --> 00:07:23.706
所以這個部分在程式應用上也是蠻值得學習的部分

00:07:23.706 --> 00:07:29.745
那接下來是這個多模態的OCR解析以前我們在寫程式遇到一些狀況

00:07:29.745 --> 00:07:35.745
其實就特別難處理比如說你有圖片的資料你有一些表格的資料

00:07:35.745 --> 00:07:41.546
基本上如果它是一種圖形化的方式來呈現你的程式就很難去著手進行

00:07:41.546 --> 00:07:44.646
在之前會有OCR這樣的軟體

00:07:44.646 --> 00:07:48.546
那OCR其實就是會把圖片裡面的文字解析出來

00:07:48.546 --> 00:07:52.565
但是如果它遇到圖片比較多或者是字跡比較潦草

00:07:52.565 --> 00:07:57.366
它解析出來的效果就很差那現在透過多模態的LLM

00:07:57.366 --> 00:08:03.766
它來去解析這樣的圖表或者是說像是那種PGF它有做浮水印

00:08:03.766 --> 00:08:07.526
這種東西在原本的程式上面很難處理的

00:08:07.526 --> 00:08:12.565
我們現在透過這個多模態的OCR它就可以把裡面的資料解析出來

00:08:12.565 --> 00:08:18.486
而且基本上它的內容比以前都好很多像凱文大叔就有做過一個應用

00:08:18.486 --> 00:08:22.486
我们可以去政府采购网把它的表格资料抓出来

00:08:22.486 --> 00:08:26.685
然后直接用OCR的方式去把它解析成表格的内容

00:08:26.685 --> 00:08:30.766
这样我们就可以知道说它里面有哪些项目有哪些工作要做这样

00:08:30.766 --> 00:08:36.326
这部分对AI程式开发也是一个蛮重要的切入点那像市面上有一些

00:08:36.326 --> 00:08:41.125
透过这样OCR的技巧去做的比如说像你要去解析发票

00:08:41.125 --> 00:08:47.485
或者是像前阵子有人做那个名片网都是类似的你可能就扫描名片

00:08:47.485 --> 00:08:50.686
或者是說人家給你一個圖片的名片這樣子

00:08:50.686 --> 00:08:54.086
你就可以透過這個工序去把你的資料解析出來

00:08:54.086 --> 00:08:58.086
那解析完了以後還可以再幫你把那些資料去做一些分析這樣

00:08:58.086 --> 00:09:02.785
就是這個部分其實在AI應用上面也是一個蠻不錯的領域

00:09:02.785 --> 00:09:04.686
接下來是RIG知識庫

00:09:04.686 --> 00:09:11.285
其實凱文大叔以前在用這個RIG知識庫的時候最常用的是DV

00:09:11.285 --> 00:09:15.586
因為DV有一個內建的RIG知識庫DV的RIG已經非常強

00:09:15.586 --> 00:09:20.225
而且它不但可以把資料直接上傳然後直接幫你解析以外

00:09:20.225 --> 00:09:26.426
它還提供API所以如果你覺得你的程式不需要用到太複雜的功能

00:09:26.426 --> 00:09:30.546
你可以直接用這樣的方式去裝到IG的資料然後再去做分析

00:09:30.546 --> 00:09:36.025
但是如果你有一些其他的特別應用比如說像我如果要把所有的資料

00:09:36.025 --> 00:09:42.346
公司所有的資料去做成向量化然後再把這個向量化當成是一個索引

00:09:42.346 --> 00:09:46.745
我們只是要用索引去找好檔案這樣的特別的應用

00:09:46.745 --> 00:09:53.145
我們也可以透過程式來做而且其實不用抓到所有的內容

00:09:53.145 --> 00:09:57.865
我們只需要抓到它的檔案位置我們就可以把整份文件抓出來

00:09:57.865 --> 00:10:03.066
然後傳給使用者或者是直接在分析裡面內容再去做處理

00:10:03.066 --> 00:10:08.186
這個都是REG上面比較特別的應用像這種特別的應用

00:10:08.186 --> 00:10:14.985
在程式上面也非常不錯譬如說像我們最常看到的那種客服AI客服

00:10:14.985 --> 00:10:20.186
AI客服就可以把每次的對話跟我的產品產品內容做結合

00:10:20.186 --> 00:10:25.865
我這樣子就可以把這些資料來去當成一個有用的客服知識庫

00:10:25.865 --> 00:10:31.706
我就可以很快的去找到公司的產品跟以前的對話記錄

00:10:31.706 --> 00:10:38.025
或者是說他以前買過什麼東西這個東西都可以當成是程式參考的資料

00:10:38.025 --> 00:10:41.466
因為凱文大叔之前做一個募資課程的問卷

00:10:41.466 --> 00:10:47.225
第一個大家最想學的竟然是RAG支持庫如何在程式上面去做應用的

00:10:47.225 --> 00:10:50.905
這個我也很難意外的因為RAG其實有一陣子

00:10:50.905 --> 00:10:54.905
我甚至覺得這個東西是比較專業的一些術語

00:10:54.905 --> 00:11:01.516
結果沒想到大家比較想學竟然也是RAG支持庫所以這個是滿意外的

00:11:01.516 --> 00:11:08.127
對整個AI開發AI應用開發來講其實算是比較特別的一環那RIG

00:11:08.127 --> 00:11:11.212
知識庫跟前面講到的Skill

00:11:11.212 --> 00:11:15.652
其實都是讓AI可以去擴充它原本的能力

00:11:15.652 --> 00:11:21.772
因為原本AI學的資料是有限的有一些私有資料或是私有的資訊

00:11:21.772 --> 00:11:25.332
其實都是在各個企業中那透過RIG知識庫

00:11:25.332 --> 00:11:29.392
或是那個2colin, ncp, scale這些東西

00:11:29.392 --> 00:11:33.631
我們就可以把這些資料直接再讓AI增強它的能力

00:11:33.631 --> 00:11:37.432
所以IG知識庫除了可以讓它快速找到資料以外

00:11:37.432 --> 00:11:44.131
也可以讓AI有一些以前沒學過的內容它也可以直接提供給你

00:11:44.131 --> 00:11:50.131
那IG知識庫對泰語模型來說其實你的企業就不需要花費很多工夫

00:11:50.131 --> 00:11:55.812
再去做類似像tuning或者是说做一些自己去训练模型这样的

00:11:55.812 --> 00:12:02.451
更花费时间或者精神的动作因为这个IG知识库你只要让他分析一次

00:12:02.451 --> 00:12:07.052
以后就可以一直做应用后面的AI都可以不用透过学习

00:12:07.052 --> 00:12:09.371
就知道你公司的企业内部资讯好

00:12:09.371 --> 00:12:11.652
那再来是这个Test to SQL好

00:12:11.652 --> 00:12:15.932
那Test to SQL其实就是你可能把一些资料结构

00:12:15.932 --> 00:12:23.812
或者是一些特别的描述就是針對這個table去做一些特別的描述

00:12:23.812 --> 00:12:29.611
讓AI知道說你有哪些table你有哪些資料結構有哪些關聯

00:12:29.611 --> 00:12:34.111
這樣的你只要提供這些東西給AI你就可以用白話的方式

00:12:34.111 --> 00:12:36.912
讓AI去幫你產生吸口、產生資料

00:12:36.912 --> 00:12:41.312
甚至你後面再結合圖表它要把這些東西呈現出來

00:12:41.312 --> 00:12:46.611
所以我們就可以用比較自然語言的方式雖然吸口已經很自然語言了

00:12:46.611 --> 00:12:51.312
但是還是需要去學習一下因为它有一些特别的关键字

00:12:51.312 --> 00:12:55.011
像我们这边在查资料、查产品、查总和

00:12:55.011 --> 00:13:00.611
这些都有特定的字眼像这个Slate就是去找什么东西

00:13:00.611 --> 00:13:04.212
然后上就是去做一个总和

00:13:04.212 --> 00:13:06.912
它要从这个Sales的Table去抓出来

00:13:06.912 --> 00:13:11.011
它还会给它一些条件这样子那针对这些东西

00:13:11.011 --> 00:13:15.812
其实一般人要去学习是有点困难的我们现在其实透过AI

00:13:15.812 --> 00:13:20.812
你只要这样讲帮我查询过去6个月各个产品的销售总额

00:13:20.812 --> 00:13:24.112
它就会帮你去下出这样的信过来

00:13:24.112 --> 00:13:29.812
这样子对于一些像BI或者是分析资料其实都非常有用

00:13:29.812 --> 00:13:35.212
其实像现在透过这样的方式去写到简单的BI也非常容易

00:13:35.212 --> 00:13:41.412
所以现在BI这个系统反而是最近还蛮危险的我个人觉得

00:13:41.412 --> 00:13:45.812
因为很多东西其实你可以透过简单的程式就可以帮你完成

00:13:45.812 --> 00:13:50.371
你要做到複雜一點的你也可以把程式寫彈性一點

00:13:50.371 --> 00:13:56.052
也可以變得像這一種比來的這個東西其實我反而覺得會比

00:13:56.052 --> 00:14:01.972
寫程式還更容易被AI取代再來就是像這種測試資料壓力測試

00:14:01.972 --> 00:14:05.172
我們寫程式有一個很重要的點就是

00:14:05.172 --> 00:14:10.692
我們必須要讓AI有一些足夠的測試資訊或者是說你寫完程式

00:14:10.692 --> 00:14:16.332
需要去做壓力測試或者是說你可以在写程式的最后

00:14:16.332 --> 00:14:22.572
你可以让他去做一些模拟测试你可能让他去模拟控制浏览器

00:14:22.572 --> 00:14:26.892
然后来去做一些操作最后看结果符不符合需求

00:14:26.892 --> 00:14:29.892
这个部分其实通通都可以交给AI处理

00:14:29.892 --> 00:14:35.251
我们以前要花一些时间来去做这个验证的动作其实非常累

00:14:35.251 --> 00:14:42.172
现在这些东西可以直接像是让他产生测试资料然后产生测试的脚本

00:14:42.172 --> 00:14:46.212
甚至說你要去做瀏覽器的測試也都可以寫成腳本

00:14:46.212 --> 00:14:50.932
之後就變成自動化測試了所以這個噴現在對AI來講

00:14:50.932 --> 00:14:58.731
真的是又快又方便這個也是我覺得AI會比較容易取代的職業

00:14:58.731 --> 00:15:03.731
因為以前有專門的測試工程師現在這個東西其實我覺得

00:15:03.731 --> 00:15:09.812
把那些技巧或是那些手法直接給AI AI都可以幫你處理得很好

00:15:09.812 --> 00:15:15.892
又快又好而且還不會顯累這個東西我真的是覺得

00:15:15.892 --> 00:15:23.172
讓AI來做這種瑣碎的事情是最適合的AI對這個東西它不會覺得累

00:15:23.172 --> 00:15:28.292
它也可以去不斷的伸出資料來讓它去一直進行測試

00:15:28.292 --> 00:15:34.292
這個部分其實我是覺得用在程式開發上是非常方便最後做一下總結

00:15:34.292 --> 00:15:40.131
AI現在其實不是取代而是讓你更快因為其實像秦鳳講的那些動作

00:15:40.131 --> 00:15:46.472
你會覺得AI好像也沒那麼恐怖因為它可以讓你更快的去寫出程式

00:15:46.472 --> 00:15:54.072
對企業直接有正面的幫助但是相反的也有一些工作真的會消失掉

00:15:54.072 --> 00:15:59.332
但是這個部分其實我們可以把那種所作的工作直接讓AI來去做

00:15:59.332 --> 00:16:04.072
你可以去做更有價值的工作譬如說像是規劃、去分析

00:16:04.072 --> 00:16:11.332
最後讓AI去做那些你平常不想做的事情或者是说你本来不会的事情

00:16:11.332 --> 00:16:16.011
本来不会的东西我们可以让AI进去分析你再去做决策

00:16:16.011 --> 00:16:21.332
这个我是觉得还蛮重要的所以像采文大叔其实有了AI以后

00:16:21.332 --> 00:16:25.292
反而学了更多东西我不是让AI帮你做所有的事情

00:16:25.292 --> 00:16:27.772
我是让AI提供你一个方向

00:16:27.772 --> 00:16:34.085
或是跟你讨论出一个方向之后再让AI在你的监控下去做完事情最后

00:16:34.085 --> 00:16:39.557
你还可以去做驗證可以去做回顧這個才是現在用AI來開發

00:16:39.557 --> 00:16:44.918
才是最重要的點因為你讓AI去做出一個Demo的產品

00:16:44.918 --> 00:16:49.118
或是Vibro-Coding的產品它只能拿來做快速的Demo

00:16:49.118 --> 00:16:56.238
之後你要讓AI做出一模一樣的東西很難因為其實你沒有一套框架

00:16:56.238 --> 00:17:01.837
或者是一套固定的流程你做出来的东西每次都会不一样

00:17:01.837 --> 00:17:04.478
或者是说你现在可能用Python做

00:17:04.478 --> 00:17:09.278
下一次它就给你用LowesJS做其实它连程式语言可能都不一样

00:17:09.278 --> 00:17:11.198
其实如果你要给它一个明确的方向

00:17:11.198 --> 00:17:16.238
就像是你当老板他是你的员工这样子必须要给他一个方向

00:17:16.238 --> 00:17:20.478
拿他去做事情因为AI本身就是用机率去产生答案的

00:17:20.478 --> 00:17:23.357
给你的答案你会觉得那么完整那么多

00:17:23.357 --> 00:17:27.597
主要是因為它的知識庫裡面有非常非常多的知識

00:17:27.597 --> 00:17:32.597
但是那些東西用機率算出來的你可能每次拿到的結果都不一樣

00:17:32.597 --> 00:17:37.397
所以這個東西我們就是想辦法讓我們可以去控制它

00:17:37.397 --> 00:17:40.597
可以拿到幾乎每次都一樣的結果

00:17:40.597 --> 00:17:45.198
或者是說你可以讓你的程式可以驗證、可以測試

00:17:45.198 --> 00:17:52.357
這個部分是我們最需要去在AI開發的時代最需要去增強的技能

00:17:52.357 --> 00:17:57.857
如果大家對用AI寫出有系統、有架構性的程式

00:17:57.857 --> 00:18:03.978
之後還能持續維護或者是說你想要在程式裡面去篩錄AI的功能

00:18:03.978 --> 00:18:07.137
比如說讓AI幫你總結、幫你給建議

00:18:07.137 --> 00:18:10.278
甚至說幫你去執行一些簡單的動作

00:18:10.278 --> 00:18:16.978
這個部分我們其實在凱文大叔之後募資的課程裡面都會講到

00:18:16.978 --> 00:18:21.157
像我凱文大叔做了一個AI的CRM系統

00:18:21.157 --> 00:18:26.538
大家有興趣也可以來體驗一下看怎麼樣去把AI應用在程式裡頭

00:18:26.538 --> 00:18:31.337
基本上這等的程式也都是凱文大叔透過AI去做出來的

00:18:31.337 --> 00:18:35.877
一樣的程式其實都有打但是我在前期做了很多規劃

00:18:35.877 --> 00:18:40.678
跟AI規劃討論這個系統要怎麼做用什麼樣的框架

00:18:40.678 --> 00:18:45.137
怎麼樣知道說程式有哪些框架可以用那個框架的怎麼樣的模組

00:18:45.137 --> 00:18:49.758
是在做什麼事情的其實我覺得現在在AI開發裡面

00:18:49.758 --> 00:18:55.798
你知道能够用什么工具或者是说知道有什么方法来去让AI去实作

00:18:55.798 --> 00:19:00.837
这个是很重要的因为AI不会拒绝你所以有一些天马行空的想法

00:19:00.837 --> 00:19:07.137
本来是不好做出来的你叫他做他就会随便给你做出一个画面来

00:19:07.137 --> 00:19:12.798
但是你如果知道说我们的后端有什么样的

00:19:12.798 --> 00:19:16.637
我们后端有什么样的方法可以用前端有什么样的技巧

00:19:16.637 --> 00:19:21.198
可以来产生这样的画面这个东西我们再跟AI讲

00:19:21.198 --> 00:19:24.837
AI就会很明确知道说怎么样去做出这样的程式来

00:19:24.837 --> 00:19:31.317
所以其实如果大家有兴趣就是不妨先来填一下这个问卷

00:19:31.317 --> 00:19:35.718
这个问卷也是用AI做出来的像这种问卷的资料

00:19:35.718 --> 00:19:41.278
如果需要去透过AI做的话必须我们还是要有后端的资料库

00:19:41.278 --> 00:19:45.798
后端资料库来去存取这些资料所以这个东西就变成说

00:19:45.798 --> 00:19:50.438
如果你有这样方面的知识你要做出这样的问卷也可以

00:19:50.438 --> 00:19:56.678
这个东西就帮你们大家先来填一下问卷调查你可以来分析一下说

00:19:56.678 --> 00:20:03.157
最近大家比较想学什么我们可以把这个内容放多一点像我就很压抑说

00:20:03.157 --> 00:20:07.077
IG知识库竟然是目前最多人想学的主题

00:20:07.077 --> 00:20:13.877
反而像这个Spring这个系统系统面的东西比较少这个是OK的

00:20:13.877 --> 00:20:19.518
但是连AI辅助程式开发都排在第一名RAG反而還是第一名的

00:20:19.518 --> 00:20:27.278
這個就真的是讓我要壓抑的部分那像怎麼部署怎麼樣前後端整合

00:20:27.278 --> 00:20:33.317
資料庫怎麼用這幾個會排在比較前面我是覺得還OK

00:20:33.317 --> 00:20:38.758
所以像這個問卷做出來以後RAG知識庫這邊我就會把它拿來

00:20:38.758 --> 00:20:42.877
就是再做一些牙槍怎麼樣讓大家知道說

00:20:42.877 --> 00:20:48.758
這個RAG知識庫在程式裡面怎麼用怎么样去呼叫这些资料

00:20:48.758 --> 00:20:52.978
甚至说如果我们自己没有去准备IG知识库

00:20:52.978 --> 00:20:58.617
我们可以用API的方式去建一个低级的资料知识库来去做呼叫

00:20:58.617 --> 00:21:02.258
这样也可以所以其实IG知识库这个部分

00:21:02.258 --> 00:21:08.038
我们会再特别去加强这个课程里面内容让大家知道说

00:21:08.038 --> 00:21:14.518
IG知识库是怎么运作的如果你们想先了解IG知识库

00:21:14.518 --> 00:21:19.837
凱文大叔也有開運門DC的課程在好好上面大家可以去看一下

00:21:19.837 --> 00:21:25.198
先了解一下就是IG是怎麼樣運作的有了這樣的概念

00:21:25.198 --> 00:21:34.157
我們在程式裡面再用應用的話其實就會更好OK這邊就是宣傳一下

00:21:34.157 --> 00:21:37.998
大家可以先來簽問卷然後做一些分析調查

00:21:37.998 --> 00:21:45.617
之後開課的時候就會先發通知然後之後開課的時候就會先通知你

00:21:45.617 --> 00:21:51.357
然後提供你比較優惠的折扣券這樣子OK好我是凱文大叔

00:21:51.357 --> 00:21:58.198
如果大家對這方面的AI應用開發有興趣的話歡迎來騰文券