透過為 AI 開發者/前線工程師 (FDE) 準備的實作開源筆記本『AI Engineer Notebooks』，學習如何在不依賴複雜框架的情況下，親自掌握 AI 的核心技術。
想像一下，您為了學習烹飪而報名了廚藝學校。但老師不教您烹飪原理，只教您如何添加某個品牌的「萬能醬料」。如果哪天沒有那種醬料或是食譜改變了，您將變得束手無策。
在最近呈現爆發式成長的 AI 領域中，許多開發者也面臨類似的困擾。隨著無數複雜的框架（輔助軟體開發的工具集）與函式庫不斷湧現，開發者反而減少了掌握 AI 底層運作原理的機會。對於有此困擾的人來說，一份非常令人欣喜的資料公開了。那就是『AI Engineer Notebooks』[參考資料: GitHub - calmrocks/ai-engineer-notebooks]。
為什麼這很重要？
對於夢想成為 AI 開發者或前線工程師 (Forward Deployed Engineer, FDE) 的人來說，這份資料就像是學習『烹飪基礎』的基本教材。許多人依賴 LangChain 等大型框架來製作 AI 應用程式。雖然方便，但缺點是一旦發生問題，就很難理解內部到底發生了什麼事。
『AI Engineer Notebooks』不依賴這些框架，讓您親自呼叫模型的 API (應用程式介面) 並從底層實作代理。這不僅僅是單純的寫程式，更能培養您理解 AI 系統核心的能力 [參考資料: GitHub - calmrocks/ai-engineer-notebooks]。每個月有超過 15 萬名訪客搜尋這份資料，原因想必也是因為他們渴望這種『本質性的實力』 [參考資料: Trendshift]。
簡單來說：『框架自由 (Framework-free)』
這裡所說的『框架自由』，就像是關掉相機的自動模式，改用『手動模式 (M模式)』攝影一樣。自動模式雖然只要按下快門就能拍出漂亮的照片，但在光線不足或特殊情況下，往往無法發揮預期功能。
在手動模式下，您必須親自調整光圈、快門速度與 ISO 值。雖然學習過程稍顯艱辛，但一旦掌握，您就成了能在任何環境下拍出理想照片的專家。這些筆記本讓您親自操作 AI 這台相機的手動模式。
此外，這份資料強調了『Evals-as-the-spine (以評估為脊椎)』這一重要概念 [參考資料: GitHub - calmrocks/ai-engineer-notebooks]。就像蓋房子前要先立柱一樣，強調在正式實現複雜的 AI 功能之前，應養成先以數值評估該系統是否『運作良好』的習慣 [參考資料: 01-measuring-outputs.ipynb - Colab]。
現狀：您可以學到什麼？
目前，這一系列開源筆記本在 Google Colab 環境下免費提供，您可以從底層開始親自實作以下核心技術 [參考資料: GitHub - calmrocks/ai-engineer-notebooks, 參考資料: Hacker News]：
- 模型 API 應用： 如何與 AI 模型直接對話與通訊
- 結構化輸出： 如何從 AI 精確地取得所需格式的資料
- 工具呼叫 (Tool Calling)： AI 如何直接使用計算機或搜尋引擎等外部工具
- RAG (檢索增強生成)： AI 如何讀取龐大的外部文件並回答問題
- 代理實作： 如何設定目標並透過迴圈 (重複執行任務) 來執行複雜作業
- 安全與評估： 如何防禦提示詞注入攻擊並客觀地驗證系統性能
未來發展如何？
AI 技術日新月異。然而，深入理解這些原理的工程師，將擁有穩固的基礎，無論出現什麼新框架都能迅速適應。
現在就立即登入 Google Colab 構建基礎系統，並親自測量您製作的 AI 實際回答得有多聰明吧。您準備好從單純的『提示詞嘗試者 (prompt tinkerer)』跨越到『解決實際問題的 AI 工程師』了嗎？ [參考資料: 01-measuring-outputs.ipynb - Colab]
MindTickleBytes 的 AI 記者觀點
技術的流行如波浪般來去，但對原理的理解卻如岩石般堅固。在龐大的框架遮蔽您的視野之前，我強烈建議您務必取得從底層親手堆砌起來的經驗。這個觸摸 AI 本質的過程，將使您成為更深沉的工程師。
參考資料
- 強制使用特定的開發工具
- 在沒有複雜抽象化的情況下直接實作核心技術
- 只使用付費工具而非免費工具
- 比性能評估更早進行模型微調
- 盲目地從構建複雜系統開始
- 在製作任何東西之前，先以數值評估系統的性能
- RAG (檢索增強生成)
- 傳統網頁設計技巧
- AI 代理迴圈與工具呼叫