熱血漢誌 - 技術新鮮人到技術經理人，必懂的事

一套從搜尋、反思到輸出的全端 AI 代理人範例，讓你看懂什麼叫 Research Agent 在 AI 工具百家爭鳴的今天，大家都在問一個問題： 「我能不能不只問 AI 答案，而是讓它像一位助理一樣，有流程、有反思、還有出處，真正幫我完成一件事？」 Google 最近釋出了一個相當具有指標意義的開源專案 gemini-fullstack-langgraph-quickstart ，正是為了解這個問題而誕生。 這套系統到底是什麼？ 這個範例不是傳統 Chatbot，而是展示一個完整的 AI research agent ： 它會根據使用者的提問，自動發想搜尋關鍵字、查資料、整合重點，最後給出答案還附上引用來源。背後的邏輯設計得非常扎實，不只是能跑，更是具備可讀性、可擴展性與可商用性。 它的流程大致如下：  1. 使用者輸入問題（例如：「抖音是否影響台灣選舉？」）  2. Gemini LLM 幫你想出關鍵字（不只是照抄問題）  3. 呼叫 Google Search API 抓資料   4. LangGraph 控制流程 → 判斷資料夠不夠 → 若不足，自動補查  5. 整合最終答案，並產生 citation（來源說明） 你可以想像這就像一位實習助理幫你寫報告， 不只輸出一段內容，而是會 去查、會判斷、會補資料，而且說明「我為什麼這樣說」 。 LangGraph 是什麼角色？ LangGraph 就是整個 Agent 背後的控制系統 。 用白話講，它幫你定義 AI 每一步要幹嘛、遇到什麼狀況該走哪條路、要不要反思、要不要再查，甚至可以定義條件邏輯與資料流動。 這就不像寫一個單純的 Chat API，而是比較像「把一個流程圖變成可以跑的程式」。 對工程師來說，它提供了從 prompt 到流程控制的設計彈性；對產品設計來說，它讓 AI 有了 「多步驟任務執行」 的能力。 技術架構與使用方式 這整套系統是 Fullstack 架構，前後端都幫你整好了，技術選型也非常實用：   前端：Vite + React + TailwindCSS + Shadcn UI  後端：FastAPI + LangGraph...

消費者如何看待付費與免費的AI服務和工具 根據 A16Z 分析報導，自ChatGPT問世以來，它迅速成為生成型AI領域的焦點。在短短9個月內，它以驚人的速度吸引了1億的活躍用戶，預示著一個AI新時代的到來。然而，市場上還有其他哪些AI工具？老牌企業和新進公司又分別站在何處？讓我們深入探索生成型AI的現狀和未來趨勢。 自ChatGPT推出已有9個月，且在7個月內成為最快達到1億月活躍用戶的消費者應用，開啟了生成型AI的新時代。 但除了ChatGPT，消費者如何與生成型AI（GenAI）產品互動？哪些類別是老牌公司主導的，而哪裡又有新公司崛起？誰可能是下一個“大贏家”？ 為了回答這些問題，我們查看了SimilarWeb於2023年6月的流量數據，對月訪問量最高的50大GenAI網站產品進行排名。我們還分析了這些產品隨著時間的增長，以及增長來自何處。 我們依賴網頁流量而非應用流量來“確定”公司上榜資格，因為到目前為止，大多數消費者GenAI產品首先是網站形式（下面還有更多相關信息！）。對於上榜且擁有移動應用的公司，我們加入了那些流量，該數據來自2023年6月的Sensor Tower，以確定他們的排名。因此，此排名可作為識別和理解類別趨勢的工具，而不是所有消費者AI平台的詳盡排名。 前6個主要觀察 大多數領先的產品都是從“零開始”圍繞generative AI建立的。 目前，ChatGPT擁有巨大的領先優勢… LLM助手（如ChatGPT）是擁有領先地位，但輔助工具和創意工具正在崛起。 早期的 “勝利者” 已經浮現，但大多數產品類別還未定論。 頂尖產品的收購完全基於消費者願意支付意願！ 移動應用仍在作為一個GenAI平台崛起。 其中，特別提到在過去的5年中，許多消費者應用一直陷入了一場收購遊戲中。沒有平台的轉變（例如，從互聯網→移動裝置），很難為新產品帶來興奮感。收購成本也在上升，這意味著大多數消費者公司都必須擔心如生命週期價值和客戶獲取成本等指標。 生成型AI（GenAI）改變了這一遊戲。此列表上的大多數公司都沒有付費行銷（至少，SimilarWeb能夠歸因的那些）。通過X、Reddit、Discord和電子郵件，以及口碑和推薦成長，有大量的免費流量“可用”。 這些GenAI產品的底部四分之一僅有2%的流量來自付費來...

LangChain 是一個強大的框架，致力於幫助開發人員利用語言模型構建端到端的應用程式。它提供了一整套工具、組件和接口，大大簡化了創建由大型語言模型（LLM）和聊天模型支持的應用程式的過程。LangChain 可以輕鬆地管理與語言模型的互動，將多個組件連接在一起，並集成額外的資源，例如 API 和資料庫。 LangChain https://python.langchain.com/en/latest/index.html 不說廢話，直接開始試著安裝， pip install langchain pip install openai export OPENAI_API_KEY="..." 以下是一些 LangChain 的簡單程式碼： import os os.environ["OPENAI_API_KEY"] = "..." from langchain.llms import OpenAI from langchain import OpenAI, ConversationChain from langchain.agents import initialize_agent from langchain.agents import load_tools from langchain.chains import LLMChain from langchain.prompts import PromptTemplate prompt = PromptTemplate( input_variables=["product"], template="What is a good name for a company that makes {product}?", ) print(prompt.format(product="colorful socks")) # What is a good name for a company that makes colorful socks? 在 LangChain 中，開發人員可以使用 LLM、Chat Model、Agents、Chains、Memory ...