從「會檢索的聊天機器人」到可評測、可部署、可控的企業知識庫 Agent
Agentic RAG 系統
- 問題
- 企業文件格式混雜、使用者問法不穩定，傳統 RAG 容易檢索失準或漏掉關鍵步驟。
- 方法
- 以 LangGraph 建立受控流程，結合 Rule-first 路由、混合檢索、上下文驗證與重試。
成果 加權準確率 98.0%，平均延遲 2.6 秒。
閱讀完整案例 → 公開工程證據｜每一項都有實作或評測可以查驗
從你的問題開始
旗艦系統：可量測的 Agentic RAG 管線
最新研究與工程動態
目前推進中
企業 Agent 技術雷達
持續追蹤模型、Agent Harness、MCP、記憶、評測、可觀測性、安全與企業採用，將前沿訊號轉成可落地的工程判斷。
查看完整工程進度 →01Enterprise AI
AI Agent 完整指南：架構、工具、評測與企業落地
閱讀這篇筆記 →02Enterprise AI
Enterprise RAG 完整指南：檢索架構、評估與企業落地
閱讀這篇筆記 →更多正式環境案例
n8n · Google Gemini · LINE Messaging API · 多代理路由
LINE Chatbot · n8n 工作流平台
成果 1 個主流程穩定路由至 19 個可獨立維護的子流程。
閱讀完整案例 → 演講 · 交流 · 合作
把前沿 AI 講清楚，也把工程現場帶進討論
適合正在面對 Agent、RAG 與 AI Platform 決策的企業、技術團隊與社群。
- 技術演講Agentic AI、企業 RAG、AI Platform
- 架構交流PoC 檢視、系統設計、Agent 工作流
- 研究合作技術內容、工具評測、社群與活動