<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Llm on CATNAP</title>
    <link>/tags/llm/</link>
    <description>Recent content in Llm on CATNAP</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-TW</language>
    <copyright>© 2026 Idle Engineer</copyright>
    <lastBuildDate>Fri, 08 May 2026 00:00:00 +0000</lastBuildDate><atom:link href="/tags/llm/index.xml" rel="self" type="application/rss+xml" />
    
    <item>
      <title>Context Window 是什麼｜LLM 的記憶上限與實際影響</title>
      <link>/ai/context-window/</link>
      <pubDate>Fri, 08 May 2026 00:00:00 +0000</pubDate>
      
      <guid>/ai/context-window/</guid>
      <description>Context window 是 LLM 一次能處理的 token 數量上限，決定了它能「記住」多長的對話和文件。超出就忘記，越長越貴，但太長也有 Lost in the Middle 問題。</description>
      
    </item>
    
    <item>
      <title>Embedding 是什麼｜語意搜尋與向量資料庫的基礎</title>
      <link>/ai/what-is-embedding/</link>
      <pubDate>Fri, 08 May 2026 00:00:00 +0000</pubDate>
      
      <guid>/ai/what-is-embedding/</guid>
      <description>Embedding 把文字轉成數字向量，讓「意思相近的文字距離也近」。是語意搜尋、RAG、推薦系統的底層技術。</description>
      
    </item>
    
    <item>
      <title>LLM 幻覺是什麼｜為什麼 AI 會說謊與如何降低</title>
      <link>/ai/llm-hallucination/</link>
      <pubDate>Fri, 08 May 2026 00:00:00 +0000</pubDate>
      
      <guid>/ai/llm-hallucination/</guid>
      <description>幻覺（Hallucination）是 LLM 生成看起來合理但實際上錯誤的內容。根本原因是模型在預測機率，不在查事實。RAG、自我核實、降低 Temperature 是主要緩解手段。</description>
      
    </item>
    
    <item>
      <title>LLM 是什麼｜從 Transformer 到 ChatGPT 的核心原理</title>
      <link>/ai/what-is-llm/</link>
      <pubDate>Fri, 08 May 2026 00:00:00 +0000</pubDate>
      
      <guid>/ai/what-is-llm/</guid>
      <description>LLM（大型語言模型）是用海量文字訓練的神經網路，核心是 Transformer 架構。它每次預測「下一個 token」，靠機率而非理解在生成文字。</description>
      
    </item>
    
    <item>
      <title>MCP 是什麼｜讓 AI 真正能用工具的開放協議</title>
      <link>/ai/what-is-mcp/</link>
      <pubDate>Fri, 08 May 2026 00:00:00 +0000</pubDate>
      
      <guid>/ai/what-is-mcp/</guid>
      <description>MCP（Model Context Protocol）是 Anthropic 提出的開放標準，讓 LLM 能統一接入各種外部工具和資料源。就像 USB 規格，任何工具只要實作 MCP，AI 就能用。</description>
      
    </item>
    
    <item>
      <title>Prompt Engineering｜讓 AI 聽懂你的五個核心技巧</title>
      <link>/ai/prompt-engineering/</link>
      <pubDate>Fri, 08 May 2026 00:00:00 +0000</pubDate>
      
      <guid>/ai/prompt-engineering/</guid>
      <description>Prompt 不是「問問題」，是在控制模型的輸出空間。Zero-shot、Few-shot、Chain-of-Thought、Role prompting、Output format——五個技巧覆蓋 80% 的實際場景。</description>
      
    </item>
    
    <item>
      <title>AI Agent 架構解析｜從對話機器人到自主執行</title>
      <link>/ai/ai-agent/</link>
      <pubDate>Tue, 05 May 2026 00:00:00 +0000</pubDate>
      
      <guid>/ai/ai-agent/</guid>
      <description>拆解AI Agent的四大核心模組與ReAct執行迴圈，解析它如何從被動問答進化到自主呼叫工具與規劃任務。</description>
      
    </item>
    
    <item>
      <title>RAG vs Fine-tuning｜企業 AI 應用該選誰？</title>
      <link>/ai/rag-vs-finetuning/</link>
      <pubDate>Tue, 05 May 2026 00:00:00 +0000</pubDate>
      
      <guid>/ai/rag-vs-finetuning/</guid>
      <description>企業導入 AI 的兩大流派。RAG 像是「開卷考」，Fine-tuning 像是「補習」，教你根據知識更新頻率與輸出風格選擇最佳解。</description>
      
    </item>
    
    <item>
      <title>AI 術語太多？220&#43; 個詞對照表，2026 持續更新</title>
      <link>/ai/ai-glossary-200-terms/</link>
      <pubDate>Tue, 07 Apr 2026 00:00:00 +0000</pubDate>
      
      <guid>/ai/ai-glossary-200-terms/</guid>
      <description>按角色分成 11 區，不用全部看完，找到你的那區就好。2026 年持續更新中。</description>
      
    </item>
    
  </channel>
</rss>
