-
RAG 為什麼不適合回答「有幾筆」？把計算交給程式
一般 RAG 只看取回的局部片段，不適合保證完整計數、加總與存在性判斷。本文以交易 CSV 說明如何用 deterministic code 計算，再由 LLM 解釋結果。
-
RAG 優化實戰：先建立評測，再調整檢索管線
RAG 檢索品質不穩時，先建立評測基準，再逐項檢查 embedding、chunking、reranker、OCR，以及 PDF 頁碼與 citation metadata。
-
銀行為什麼自架 LLM？從資料風險到治理要求的實務考量
自架不是銀行導入 LLM 的唯一答案。本文從資料分級、access control、vector database、PII masking 與 air-gapped environment 維運，整理架構評估方式。
-
Why RAG Can’t Answer “How Many?”: Let Deterministic Code Do the Math
Standard RAG sees retrieved fragments, not a complete dataset. Use deterministic code for counts, sums, filtering,…
-
RAG Optimization in Practice: Measure First, Then Tune Retrieval
When RAG retrieval is unstable, establish an evaluation baseline before tuning embeddings, chunking, reranking, OCR, and…
-
Why Banks Self-Host LLMs: Data Risk, Governance, and Architecture Tradeoffs
Self-hosting is not the only answer for banks adopting LLMs. Start with data classification, then evaluate…
-
Agent Harness 是什麼？從一張架構圖看懂 coding agent 的四層結構
Agent harness 是包在大型語言模型外面的 runtime 層。本文以一張系統架構圖拆解 context assembly、agent loop、tools、orchestration 四層結構，說明 Claude Code 的 Subagent、Teammate、Worktree、Cron、MCP、Skills、hooks 與 permission 如何串接，以及…
-
ITIL 4 考試準備：我怎麼用 AI 檢討錯題、完成六個進階模組
我如何用 AI 檢討 ITIL 4 練習題、找出三種固定錯誤模式，並用官方教材與新題驗證，完成六個進階模組。
-
AI 加快開發之後，為什麼服務交付反而更重要？
AI 縮短功能開發時間，卻不會自動補上可靠性、責任歸屬與使用體驗。本文用 ITIL 4 的 Utility、Warranty 與 Experience 檢查服務交付。
-
從工程師到 ITIL 4 Master：AI 時代，我為什麼開始學服務管理
一位軟體工程師取得 ITIL 4 Master 的完整歷程：認證路線、六個進階模組的準備方法，以及 AI 時代更需要服務管理的原因。