我目前是名網頁工程師，負責開發地圖與地理資訊相關的網頁應用。因此平時接觸比較多的是地圖、GIS圖層、前後端架構等相關技術，主要使用的語言為 JavaScript，熟悉的環境是Node.js。

AI 與地理資料的應用目前尚未深度整合，但近年來AI發展迅速，許多網站紛紛搭配上AI智能客服，許多客戶也詢問我們公司是否能在地理資訊平台中加入 AI 對話功能，透過口語化互動操作複雜的網頁系統。為了在這股AI浪潮中，在技術、觀念與開發方法上跟上趨勢，因此選擇到恆逸參加『對談機器人與AI Agent開發實戰–使用OpenAI API』課程。

我覺得最有用的是學習到AI Agent的架構以及其相關細節。在上課的前一月，為了可以更好吸收課程內容，我有先試著了解如何使用OpenAI的API、System message、Function Calling 等相關內容，並且嘗試自己架設一個AI Agent；架設出的AI Agent雖然勉強可用，但很明顯有許多的不足；比如架構複雜，造成維護困難，每次我想新增、或改動功能時，都要改動多個地方的程式碼，重新梳理各區域功能，又或是AI Agent對於使用者的提問無法有效進行回答，對於歷史問答紀錄無法有效地進行獲取。在課堂上，老師雖然不會特別針對這些問題進行講解，但老師一步一步從大語言模型的回應邏輯、AI Agent的架構、API 資料傳輸等方面進行講解，在上課的過程中，我過去實作時的種種疑惑與困難得到了解答。

課堂中，老師還對 Azure OpenAI 的功能進行了講解與演示，並且讓同學實際進行操作，讓我們體驗到 Azure OpenAI 所提供的功能之多樣，使用之便利；然而對我而言，讓我收穫最多的，其實是與建構Line Bot相關的教程中。在Line Bot相關的教程中，我們申請了自己的Line Bot，使用VS Code建構可接收Line訊息的服務，將服務與Azure OpenAI等大語言模型串接，獲取回應，最後將大語言模型的回應或動作指令回應給使用者。在這一連串的實作教程中，包含的是自己架設的服務如何與Line Bot的串接、服務接受到訊息後該如何對訊息進行篩查、附加歷史對話紀錄、嵌入訊息相關資料以及對LLM回應內容的限制；這一整段流程的實作與細節講解，是我覺得在此課程中最有收穫，對我工作幫助最大的部分。

在上完課後，我覺得自己有必要對之前自己所架構的AI Agent進行改進。這個 AI Agent雖說是我為了熟悉AI相關內容所建構的，但同時也是要交付給客戶的服務，雖然不是不能使用，但在開發中所隱隱感受到的問題，在上完課程後對這些問題有著更明確的認識。依照課程中所學習到的內容，除了改善功能區分不良、提升AI Agent的可維護性，更重要的是諸如歷史對話紀錄的附加方式， Function Calling的設置、限制大語言模型回答內容的設置、RAG相似資料的附加等細節方法，可以提升大語言模型對於使用者提問的回答準確性，讓大語言模型能提供更有用的回覆訊息。這使我們公司未來可對用戶提供更加可靠的AI相關技術服務，對於AI服務技術路線的發展打下了基礎。