#hands-on

使用 Ollama 和 MLX 在 Mac Apple Silicon (M1/M2/M3/M4) 上本地運行 LLM 的綜合指南。從初始安裝到使用 MLX 框架進行 3 倍加速、管理多個模型、將 API 整合到應用程式以及優化 GPU/RAM 效能。全部親自動手，隱私第一，無需網路。

該系列為時尚和按需印刷平台構建了完整的人工智慧系統——從人工智慧設計生成（穩定擴散、ControlNet）、自然語言人工智慧編輯、個人化系統、電腦視覺虛擬試穿，到列印檔案優化和人工智慧產品生成。每篇文章都是一個獨立的AI模組，可以部署在生產中。

使用 TypeScript 建立完整 AI 代理平台的實作系列 — 從 monorepo 設計、LLM 路由器、工具註冊表、RAG 管道、工作流引擎、多租戶 RBAC 到部署 Docker 生產。透過 xClaw 的實際原始碼進行學習 - 一個在生產中運行的開源平台。

電腦視覺實用課程 — 從 CNN、目標偵測 (YOLO)、影像分割 (SAM) 到視覺轉換器和多模態 AI。親身實踐 PyTorch、Ultralytics YOLO、Hugging Face。使用 TensorRT 和 ONNX 將 CV 模型部署到生產環境。

關於提示工程的綜合課程——從編寫基本提示到思想鏈、思想樹、多模式提示以及建立用於生產的提示庫。 AI時代最必備的技能，立即適用於ChatGPT、Claude、Gemini。

關於檢索增強生成 (RAG) 的深入課程 - 將法學碩士與您自己的數據連接起來的技術。從基本 RAG 到 Graph RAG、Agentic RAG、Multimodal RAG。實踐 ChromaDB、Qdrant、LangChain、LlamaIndex。將“Chat with Documents”部署到生產環境。

關於微調大型語言模型的綜合課程 - 何時微調、資料準備、在 Google Gemini/Vertex AI、OpenAI 和開源 (LoRA/QLoRA) 上進行微調。比較微調與 RAG、模型評估方法和生產部署。計算實際成本。

關於建立人工智慧代理的實用課程——從簡單的聊天機器人到複雜的多代理系統。精通函數呼叫、工具使用、RAG、MCP、LangGraph、CrewAI 以及將 Agent 部署到生產中。每節課都使用 Python 進行實踐編碼。

關於人工智慧和大型語言模型的綜合課程 - 從神經網路平台、Transformer 架構到微調、RAG、AI 代理和生產部署。學習 Python、PyTorch 和 LLM API 的實作。

2026 年全面的基礎到高級 Kubernetes 課程，幫助您掌握容器編排、部署生產就緒應用程序，並為 CKA/CKAD 認證做好準備。更新至 Kubernetes 1.32+，包含 Gateway API、Cilium、OpenTelemetry、Helm 4、Sidecar 容器 GA、ValidatingAdmissionPolicy 和 AI/ML 工作負載。