新書
最重要的 20 個 AI Agent 實戰案例精彩直播
https://youtu.be/52TP5-2k8fc【書籍簡介】20 個 AI Agent 開發案例，從真實業務需求出發的實戰全書。每個案例完整走過整體設計、開發環境、系統實現與功能測試。統一開發環境建置：Python、PyCharm、Anaconda 與大模型 API 申請。內容創作類：生成歌詞、文字生成圖片、生成遊戲。影音處理類：調整影片目光、影片調優。智慧問答類：智慧問答、通訊學科知識問答、網頁問答。檢索應用類：智慧檢索、階段式搜尋模型、檢索增強生成模型。辦公自動化：簡歷回覆、程式開發、輔助決策。對話與教學：對話機器人、教學機器人、智慧翻譯。知識工程：擷取知識圖譜，建構結構化知識。平臺整合：代理平臺的搭建與應用。適合大學相關科系教材，亦適合物聯網與創新開發技術人員。
Deep Agents 實戰：用 LangChain 自建能連續工作的 AI Agent
https://youtu.be/DVAqqWI0Mqg市面上談 AI Agent 的書多半停在「把工具接上模型」這一步，跑得動就算成功；這本書的起點恰恰是那之後的問題，當任務長到一次對話裝不下、當上下文被工具結果塞爆、當 Agent 需要連續工作好幾十輪，該怎麼設計。本書把 Deep Agents 的四個核心設計（規劃、檔案系統、子代理人、上下文管理）逐一拆解，每一個都給出可執行的程式與實測數字：待辦清單帶進來的兩段提示長什麼樣、工具結果外移的門檻設在哪裡、漸進式揭露到底省下多少上下文、平行委派時哪些東西共用哪些隔離。難得的是它不迴避失敗，書裡有大量「它答錯的地方」「第一次失敗」「上限撞到的時候」這類小節，把模型會編造數字、會被提示注入、會在沒有驗收標準時交出跑不動的程式，都攤開來寫。後段的四個完整專案（程式開發、銀行業務、客服工單、維運）更是少見地把稽核軌跡、個資遮蔽、對抗性測試、併發下的漏洞一併處理，最後一章直接列出從能執行到能交付的差距清單與十項上線檢查。對想把 Agent 真正放進生產環境的開發者，這本書補足的正是最不好看、卻決定成敗的那一段。【內容重點】►比較工作流程型、ReAct、規劃執行、反思、多代理人五種 Agent 架構。►指出淺層 Agent 的極限，提出 Deep Agents 的四個核心設計。►用 uv 建可重現環境：pyproject 欄位、金鑰存放原則、驗證腳本。►一份程式三種後端：雲端 NIM、DGX Spark 的 Qwen、macOS 本機模型。►create_deep_agent 的參數、內建中介層，與三種執行方式。►工具設計：參數 schema、輸入驗證、錯誤轉成模型訊息、自我修正。►檔案系統五種 backend：State、Filesystem、LocalShell、Store、Composite。►上下文工程實測：待辦規劃、工具結果外移、摘要門檻、提示快取。►Skills 機制：一個目錄一個技能，漸進式揭露只注入清單而非全文。►子代理人委派：上下文隔離、自訂 SubAgent、平行執行時檔案共用。►七個應用：研究、資料分析、RAG、程式開發、多模態、MCP、模型路由。►產品化四關：人工核准、權限沙箱、記憶持久化、容器化與上線檢查。
AI 時代的終端機入門：非工程師也能學會的 CLI、指令與 AI 工具實戰
https://youtu.be/rUPMV6Xykfs【書籍簡介】．從「終端機在哪裡」開始教，不預設你懂任何東西．macOS 和 Windows 範例兩欄並排，雙系統都通．每一章附上動手範例，帶著你安全的練習．教你看懂 AI 對你的檔案做了什麼，你會知道什麼時候可以放行，什麼時候要喊停！【附指令速查表．錯誤訊息對照表．Windows 讀者專用補充】【適合讀者】．不想轉職工程師，只想把手上這份工作做完、做快的人．怕打錯一個指令就把電腦弄壞，所以一直不敢動手的人．身邊沒有工程師朋友，出事了不知道要問誰的人．三十歲以後才開始學技術，覺得自己「應該早就要會了」的人．初階工程師也可以。學校沒教的那一塊在這裡
容器底層原理運作：containerd剖析實戰精要(好評熱銷版)
【本書特色】 • 雲端原生的價值與容器執行時期的關係。 • Docker與Kubernetes的發展歷史介紹。 • 容器技術發展史及其依賴的Linux基礎。 • containerd的安裝與部署及CLI工具操作。 • Kubernetes中的CRI機制及containerd中的CRI Plugin架構。 • containerd中的CNI規範與網路外掛程式。 • containerd透過snapshotter管理容器鏡像的方法。 • containerd的核心元件架構與各個模組剖析。 https://youtu.be/O-KLJxax-gA╲\好評熱銷再上市/╱ 本書共分為八章，第一章講解雲端原生與容器執行時期，介紹什麼是雲端原生，探討其價值以及它與容器執行時期的關係，了解Docker與Kubernetes及containerd容器技術的發展歷史。 第二章深入探討容器執行時期的概念，從容器技術及介紹容器，容器所依賴的Linux基礎，當前的容器執行時期規範等。 第三章則專注於如何使用containerd，內容涵蓋containerd的安裝和部署，以及如何透過ctr和nerdctl兩種CLI工具操作containerd。 第四章講解containerd與CRI的關係，介紹Kubernetes中的CRI機制及其演進，containerd中的CRI Plugin架構和設定，以及CRI使用者端工具crictl的使用方法。 第五章主要講解containerd中的容器網路，介紹CNI規範、常見的CNI網路外掛程式，以及如何在containerd中指定容器網路建立容器等。 第六章介紹containerd和容器儲存，詳細說明containerd是如何透過snapshotter管理容器鏡像的。 第七章對containerd的核心元件進行剖析，根據containerd的架構講解組成containerd的各個模組，如API、Core以及Backend層的多個模組。第八章探討containerd在生產與實踐中的一些操作，包括如何設定containerd的監控，如何基於containerd做延伸開發等。
誰說資安寫不了情書(好評熱銷版)
https://youtu.be/njp2z9jXUL4╲\好評熱銷再上市/╱☆如何用資訊安全的觀念寫出情書☆誰說資訊從業人員寫不了情書。那古老的密碼，流動於數據之間，只為了與誰相遇而存在。不是陽光灑落的光芒，是妳微笑時，讓我忘了黑暗築起的高牆不是月下拂過的清涼，是妳指尖的方向，撐起了讓我仍願意在此的嚮往資訊人寫出的情書，是很資訊人的情書，本書的主人公Allen，在八個章節裡與各路資訊從業人員碰撞、合作、鼓勵及相互扶持讓他的資訊人生很人生。本書包含資訊系統運作時的觀念、專有名詞介紹、debug時的盲點及致敬奇摩聊天室的情懷，和幻想未來可能會出現超越ChatGPT的AI對話系統。踏入資訊領域可能像是踏入不歸路，但這條路不一定是枯燥煩悶，也可以是對未來充滿期待對自己充滿信心。駭客の嘆息如果，我留下足跡，卻無人發現，算不算可惜。如果，我遇見了我的足跡，卻渾然不知，何以證明，是我的曾經?消散的過往，此刻的心情阻擋不住，歡與悲的交集所以我留下足跡那日後迷惘時可以回想的曾經
Java網路元件專案 - 大型網際網路企業級最重要應用(好評熱銷版)
【本書特色】 ● 動態發現與健康檢查 ● Dubbo基本概念與整合 ● ZooKeeper結構與特性 ● OAuth 2授權模式 ● Spring Cloud Gateway路由與更新 ● 分散式鏈路追蹤背景和概念 ● 流量控制元件對比介紹 ● ShardingSphere分片策略與資料遮罩 ● Elasticsearch+Logstash+Kibana安裝設定 ● RocketMQ架構與基本原理 https://youtu.be/OA0GOPubq-M╲\好評熱銷再上市/╱本書共分10章。第1章介紹Nacos的動態發現、健康檢查、設定管理、技術選型、分散式事務及其與Eureka的區別。第2章介紹Dubbo的基本概念、整合、設定、註冊中心、偵錯和監控、擴充、原理、性能最佳化及序列化協定。第3章介紹ZooKeeper的結構、特性、資料模型、API、應用場景、工作原理以及監控和管理。第4章介紹Spring Cloud Security OAuth 2的授權模式、底層工作原理及JWT技術。第5章介紹Spring Cloud Gateway的路由與更新、負載平衡策略、篩檢程式、限流方式、底層工作原理及高併發下的問題與解決方案。第6章介紹分散式鏈路追蹤的背景和概念，Skywalking的安裝設定、資料獲取、呼叫堆疊分析和故障排除。第7章介紹量控制元件，涵蓋限流、熔斷、降級、動態規則、服務治理、流量控制方式、核心元件及Sentinel規則和持久化推送模式。第8章介紹了Apache ShardingSphere與同類產品，並討論分片策略、資料遮罩、分散式事務、資料庫讀寫分離、主從同步、叢集管理、跨資料庫分頁、垂直與水平拆分、廣播與綁定資料表及底層實現原理。第9章介紹Elasticsearch、Logstash和Kibana的安裝設定及底層實現原理。第10章介紹RocketMQ的安裝、設定、架構、基本原理及高可用性、容錯性、性能優化和監控方法。
現代 AI 全景聖經：多模態生成 × Agentic AI，從 LLM 演化到 AI 工程實戰
https://youtu.be/dGnqsrGtc3Q擺脫碎片化學習，建立不退流行的演算法母語！►直擊前沿範式 ｜ 深度解密 o1/R1 推理與 1M+ Context►手刻 Agent 系統 ｜ 150+ 範例，從 MoE 手刻到 LangGraph►階梯思考訓練 ｜ 全套 2,578 題庫，建構完整知識圖譜►在地繁中評測 ｜ 大量對接司法院判決、健保 QA 等在地資料【Part IV LLM 與生成式】 大模型技術全景‧ 解密 GPT-4.5、Claude 4 與 DeepSeek MoE‧ SFT、DPO 對齊與 QLoRA 輕量微調【Part V & VI 前沿應用】 Agentic AI 與長上下文‧ 企業級 RAG 知識庫與 GraphRAG 實戰‧ Computer Use 螢幕操作與 LangGraph 多 Agent【Part VII 工程與治理】 Production 落地防線‧ vLLM 推理引擎、GGUF 量化與 MLOps‧ Prompt Injection 防禦與端到端 Capstone
不只會用 Agent - LangGraph 自己動手設計代理人
https://youtu.be/oSGygTohT4E★以 LangGraph 1.0 從零打造 AI 代理的完整實戰指南★從大語言模型到代理：釐清代理的核心價值與應用版圖★環境安裝與大模型設定，含 Qwen3 網頁版與線上 API 實戰★LangGraph 程式設計基礎：工作流架設、工具呼叫與輸出範式★掌握 Map 與 Reducer，處理大量與彙整型任務★建構圖的多條件分支與節點平行化處理★九大代理設計模式循序拆解，從反應式到 Supervisor★ReAct 範式與 create_agent 預建構模組、中介軟體詳解★記憶系統：短期儲存與長期記憶的載入與整理★規劃與執行：整合 tavily 網路搜尋的代理實戰★上下文工程：提示詞設計、上下文污染與卸載策略★多代理實戰：共用空間驅動與主代理驅動的協作系統本書共分12章◼第 1 章初識代理，從大語言模型談到代理的應用並解析 LangGraph 1.0◼第 2 章講 Agent 環境安裝與大模型設定，涵蓋 Python 環境、Qwen3 API 與 Hello Agent 實戰◼第 3 章介紹程式設計基礎，含工作流架設、工具呼叫範式、Map 與 Reducer、輸出範式，並帶出設計模式一反應式代理與自動導航◼第 4 章講多條件分支與節點平行化◼第 5 章為設計模式二 ReAct，詳解 ToolNode、create_agent 與中介軟體◼第 6 章為設計模式三記憶系統，涵蓋記憶儲存與長期記憶整理◼第 7 章為設計模式四規劃與執行，結合 tavily 搜尋實戰◼第 8 章為設計模式五上下文工程，探討提示詞、上下文污染與卸載◼第 9 章進入多代理實戰◼第 10 至 12 章為案例實戰，依序是新能源車文案設計、共用空間驅動的多代理，以及主代理驅動的多代理與 Supervisor 模式。
自動駕駛的大腦 - 車載晶片技術開發及詳解(好評熱銷版)
【本書特色】 ★車載晶片產業介紹 ★汽車電子與晶片 ★汽車電子可靠性要求 ★車載晶片標準介紹 ★晶片設計基礎 ★車載晶片功能安全設計 ★晶片可靠性問題 ★車載晶片可靠性設計 ★車載晶片製程與製造 ★車載晶片的可靠性生產管理 ★車載晶片與系統測試認證 https://youtu.be/z5r_AAVCTB8╲\好評熱銷再上市/╱全書共分11章，主要內容包括車載晶片產業介紹、汽車電子與晶片、汽車電子可靠性要求、車載晶片標準介紹、晶片設計基礎、車載晶片功能安全設計、晶片可靠性問題、車載晶片可靠性設計、車載晶片製程與製造、車載晶片的可靠性生產管理、車載晶片與系統測試認證。車載晶片和工業級、消費級晶片最大的不同在於車載晶片的高可靠性。車載晶片的高可靠性表現在滿足AEC Q系列應力測試的封裝積體電路故障機制測試方法標準、汽車電力電子模組認證標準AQG 324，以及為了滿足自動駕駛安全而引入的功能安全標準ISO 26262和預期功能安全SOTIF，為了滿足這些嚴苛的標準，汽車晶片在設計、製造、封裝、測試等全過程也要滿足IATF 16949的品質管制系統認證。這對汽車晶片從業人員提出了更高的要求，也在可靠性物理機制、可靠性生產管理中形成了一套完整的方法學內容。本書全面、完整、系統性地介紹該方法學的全部內容，是目前業界最完整的中文書籍。
ChatGPT 對話 x Work x Codex：從生成式 AI 到 AI Agent 工作術
https://youtu.be/i33rsJ8myY4ChatGPT對話 x Work x Codex從生成式 AI 到 AI Agent 工作術☆★☆ 從「問 AI」到「讓 AI 完成工作」 ☆★☆一本掌握 ChatGPT、Work 與 Codex 的新世代 AI 實戰指南！☆★☆ 邁向最新 ChatGPT 6 Astra x Image 2.5 ☆★☆◎2026年10月20日新增最新功能 讀者可以至深智官網下載讀者資源，參考附錄C。圖片關鍵字 認識關鍵字，建立Q版角色。建立透明背景圖與Line表情貼圖。ChatGPT文件掃描與分析 手機版ChatGPT掃描文件、儲存成PDF文件，最後分析此文件。「您的 dot」 打造長期工作的AI助理。◎從生成式 AI 到 AI Agent，重新定義你的工作方式 過去，我們使用 ChatGPT，多半是提出問題、等待回答；現在，AI 已經不只能陪你聊天、撰寫文章或整理資料，更能理解工作目標、規劃執行步驟、操作工具，甚至依照排程主動完成例行任務。 AI 的角色，正從「聊天機器人」進化為真正能協助工作的 AI Agent。 本書以三條清楚的學習主軸，帶領讀者掌握 ChatGPT 的完整應用： ◆Chat 幫你想：搜尋資訊、設計 Prompt、撰寫內容、生成圖像、分析文件與整理想法。 ◆Work 幫你做：規劃工作流程、使用外掛程式與 Skill、操作電腦、執行跨軟體任務及建立排程。 ◆Codex 幫你開發：用自然語言描述需求，讓 AI 協助建立網站、設計程式、測試與除錯。 全書從 ChatGPT 的基本操作與 Prompt 設計開始，逐步進入圖像生成、圖像工作流、文件分析、Excel 資料處理、資料視覺化、Projects 專案管理、深入研究、寫作區塊及程式碼區塊；接著深入介紹 ChatGPT Work，示範如何結合外掛程式、Computer Use、Skill 與排程，讓 AI 從回答問題進一步走向執行任務。 即使沒有程式背景，也能跟著書中的步驟與實例，學會如何說清楚工作目標、指定資料來源、設定限制條件、決定成果格式，並在重要環節保留人工確認。最後再透過 Codex 與 Vibe Coding，親自完成網站與遊戲程式，體驗從一句自然語言需求走向可執行成果的全新開發方式。 這不只是一本介紹 ChatGPT 功能的操作書，更是一本帶你建立 AI Agent 工作思維的實戰指南。◎本書特色完整串聯 Chat、Work 與 Codex 不只介紹單一功能，而是建立從對話、任務執行到程式開發的完整學習路徑。從 Prompt 進化到工作目標 教你不再只是思考「提示詞要怎麼寫」，而是進一步定義工作目標、資料來源、限制條件與成果標準。掌握 ChatGPT 圖像創作與視覺工作流 涵蓋自然語言生成圖像、局部修改、角色一致性、系列內容、3D立體剖面圖及科學視覺化等實用技巧。強化文件、資料與研究能力 實作 PDF、Word、PowerPoint、Excel、CSV 的摘要、整理、分析及圖表製作，並運用深入研究完成具來源依據的研究報告。讓 Work 真正完成工作 透過外掛程式、Computer Use 與 Skill，示範旅遊規劃、商品比較、跨軟體報告製作、會議紀錄整理與銷售資料分析。用排程打造主動工作的 AI Agent 建立重要郵件整理、每日工作簡報及每週銷售分析等排程，讓 AI 在指定時間自動執行例行工作。不會寫程式，也能使用 Codex 開發 以自然語言完成「AI Agent 來了！」活動網站及俄羅斯方塊遊戲，體驗 Vibe Coding 的全新開發模式。◎適合讀者 ◆想完整掌握 ChatGPT 新世代功能的讀者 ◆希望提升工作效率的上班族與主管 ◆經常處理文件、報表、簡報及研究資料的人 ◆想導入 AI Agent 工作流程的企業與團隊 ◆沒有程式背景，但想嘗試 AI 協助開發的人 ◆想從「會問 ChatGPT」進一步走向「會把工作交給 AI」的人
【電子書】ChatGPT 對話 x Work x Codex：從生成式 AI 到 AI Agent 工作術
https://youtu.be/i33rsJ8myY4ChatGPT對話 x Work x Codex從生成式 AI 到 AI Agent 工作術☆★☆ 從「問 AI」到「讓 AI 完成工作」 ☆★☆一本掌握 ChatGPT、Work 與 Codex 的新世代 AI 實戰指南！☆★☆ 邁向最新 ChatGPT 6 Astra x Image 2.5 ☆★☆◎從生成式 AI 到 AI Agent，重新定義你的工作方式 過去，我們使用 ChatGPT，多半是提出問題、等待回答；現在，AI 已經不只能陪你聊天、撰寫文章或整理資料，更能理解工作目標、規劃執行步驟、操作工具，甚至依照排程主動完成例行任務。 AI 的角色，正從「聊天機器人」進化為真正能協助工作的 AI Agent。 本書以三條清楚的學習主軸，帶領讀者掌握 ChatGPT 的完整應用： ◆Chat 幫你想：搜尋資訊、設計 Prompt、撰寫內容、生成圖像、分析文件與整理想法。 ◆Work 幫你做：規劃工作流程、使用外掛程式與 Skill、操作電腦、執行跨軟體任務及建立排程。 ◆Codex 幫你開發：用自然語言描述需求，讓 AI 協助建立網站、設計程式、測試與除錯。 全書從 ChatGPT 的基本操作與 Prompt 設計開始，逐步進入圖像生成、圖像工作流、文件分析、Excel 資料處理、資料視覺化、Projects 專案管理、深入研究、寫作區塊及程式碼區塊；接著深入介紹 ChatGPT Work，示範如何結合外掛程式、Computer Use、Skill 與排程，讓 AI 從回答問題進一步走向執行任務。 即使沒有程式背景，也能跟著書中的步驟與實例，學會如何說清楚工作目標、指定資料來源、設定限制條件、決定成果格式，並在重要環節保留人工確認。最後再透過 Codex 與 Vibe Coding，親自完成網站與遊戲程式，體驗從一句自然語言需求走向可執行成果的全新開發方式。 這不只是一本介紹 ChatGPT 功能的操作書，更是一本帶你建立 AI Agent 工作思維的實戰指南。◎本書特色完整串聯 Chat、Work 與 Codex 不只介紹單一功能，而是建立從對話、任務執行到程式開發的完整學習路徑。從 Prompt 進化到工作目標 教你不再只是思考「提示詞要怎麼寫」，而是進一步定義工作目標、資料來源、限制條件與成果標準。掌握 ChatGPT 圖像創作與視覺工作流 涵蓋自然語言生成圖像、局部修改、角色一致性、系列內容、3D立體剖面圖及科學視覺化等實用技巧。強化文件、資料與研究能力 實作 PDF、Word、PowerPoint、Excel、CSV 的摘要、整理、分析及圖表製作，並運用深入研究完成具來源依據的研究報告。讓 Work 真正完成工作 透過外掛程式、Computer Use 與 Skill，示範旅遊規劃、商品比較、跨軟體報告製作、會議紀錄整理與銷售資料分析。用排程打造主動工作的 AI Agent 建立重要郵件整理、每日工作簡報及每週銷售分析等排程，讓 AI 在指定時間自動執行例行工作。不會寫程式，也能使用 Codex 開發 以自然語言完成「AI Agent 來了！」活動網站及俄羅斯方塊遊戲，體驗 Vibe Coding 的全新開發模式。◎適合讀者 ◆想完整掌握 ChatGPT 新世代功能的讀者 ◆希望提升工作效率的上班族與主管 ◆經常處理文件、報表、簡報及研究資料的人 ◆想導入 AI Agent 工作流程的企業與團隊 ◆沒有程式背景，但想嘗試 AI 協助開發的人 ◆想從「會問 ChatGPT」進一步走向「會把工作交給 AI」的人
【電子書】AI 行銷實驗室：創意企劃、內容實作、數據洞察與會員經營
https://youtu.be/QCqdYIKm8yc會下 Prompt，只是起點把 AI 用在對的地方，做出行銷成果，才是真本事不再追著工具跑。先釐清問題、盤點任務、拆解流程，再選擇工具，把 AI 用進創意企劃、內容製作、資料分析、廣告文案與會員經營。AI 素養 × 行銷實作 × 流程設計 × 團隊應用工具會更新，功能會改版；不會過時的，是判斷問題、設計流程與創造價值的能力。您將學會：第一章｜AI行銷素養與關鍵思維理解使用 AI 的風險與責任，判斷哪些工作適合交給 AI，哪些決策仍必須由自己負責。第二章｜AI行銷策略與流程設計從工作痛點與行銷目標出發，盤點產出項目、拆解工作流程。第三章｜AI行銷工具百寶箱運用 ChatGPT、Gemini、Gemini Notebook 等工具，協助資料整理、知識管理、簡報製作與行銷企劃。第四章｜AI 行銷應用與創意實戰將 AI 應用於創意活動、行銷文案、新客獲取、會員經營與行銷自動化。第五章｜AI人才賦能與培訓從提升個人效率走向團隊共創，建立 AI 使用規範、人才賦能架構、應用場景與可衡量的導入機制。這本書適合✓ 想提升工作效率，但不知道該從哪個AI 工具開始學✓ 負責內容、社群、廣告、數據分析或會員經營的行銷工作者✓ 想把 AI 導入團隊，卻不知道該從哪個場景開始的行銷主管✓ 希望建立 AI 工作流程的企業經營者、顧問與講師✓ 想從「會操作工具」升級為「能解決問題」的職場工作者【專業推薦】徐福崧｜精立數位 創辦人兼總經理蘇穎泰 Terry Su｜覺數據 執行長/Google Ads 認證講師周芷逸 Gina｜Ematic Solutions - Country Manager林昶聿｜Meet.jobs 創辦人、UC Berkeley 訪問學者江莉方 Gin｜像影映創辦人、導演暨 AI 影音創作者
【電子書】AI 驅動開發 - 從 Prompt 到 Loop，建立可控、可驗、可恢復的工程系統
https://youtu.be/b-px2lBi1Xg當 AI 說「完成」，人要拿甚麼重新確認？【書籍簡介】AI 已經能讀程式庫、修改檔案、呼叫工具、執行測試，甚至在多輪工作中持續往前推進。真正困難的問題也跟著改變：當 AI 說「完成」，人要拿什麼重新確認？當一個變更跨過需求、設計、實作與驗收，誰負責定義邊界、誰有權接受結果，失敗後又怎麼回到可信狀態？這本書不押注某一套工具，也不把提示詞寫成魔法公式。它從 Prompt、Context 與 Spec 開始，把需求說清楚；再用 Harness、Evidence 與 Authority 約束變更、保存證據；最後進入代理分工與有界 Loop，讓長任務能停止、接手與恢復。書中用兩個真實專案的開發紀錄拆解判斷與證據，也保留尚未完成的關卡；另有一套可重跑的本機實驗室、完整交付包與恢復手冊。你會看到的不只是 AI 做了什麼，還包括哪些結果不能接受、證據缺在哪裡，以及人最後為什麼放行或停下。如果已經開始用 AI 寫程式，卻不想把品質交給一句「測試通過」；如果正準備把個人技巧變成團隊流程，這本書要留下的是一套換了模型仍然能用的工程判斷。【適合讀者】．已經使用 AI 程式開發工具，想把「能跑」提升為「能驗、能交付」的開發者。．想把個人用法整理成可交接流程的 Tech Lead、工程主管與產品團隊。．需要理解 AI 如何進入需求、設計、開發、測試與交付流程的 PM、Designer 與 QA。
【電子書】用 macOS 完整部署地端模型
https://youtu.be/1n0pVNYezCg【書籍簡介】Apple Silicon 的統一記憶體，讓一台 Mac 就能執行過去要靠多張顯示卡才載得動的模型。 全書 25 章的操作、指令與畫面，都在 Mac 上實際執行過。 －128GB 統一記憶體全部可當 GPU 記憶體，單機載入 100B 級模型。－Ghostty、Homebrew、uv 建好環境，Tailscale 與 macmon 遠端使用與監控。－Ollama、Open WebUI、LM Studio、llama.cpp 四套推論工具實際操作一遍。－四個方案同條件量測速度與記憶體，並與雲端 API 及 CUDA 主機對照。 －mlx-lm 直接使用 MLX 框架，從命令列、Python API 到相容伺服器。－量化原理講清楚，實作 DWQ、AWQ、GPTQ 與 dynamic_quant。－推測式解碼、量化 KV 快取與 prompt 快取，同一個模型輸出更快。－mflux、Draw Things、ComfyUI 生圖，實測 FLUX.2、Z-Image 與 Wan 2.2。－mlx-whisper 轉寫、Kokoro 與 Qwen3-TTS 合成、MusicGen 與 ACE-Step 作曲。 －mlx-vlm 與 FastVLM 看圖看影片，AnythingLLM 與 LightRAG 讀自己的文件。 －Claude Code、goose 接地端模型，sandbox-exec 與 Apple container 隔離。－Foundation Models framework 呼叫系統模型，exo 與 MLX 分散式組叢集。－mlx_lm.lora、mflux-train、mlx-lm-lora 微調，nanochat-mlx 從零預訓練。適合手上已經有一台 Apple Silicon Mac，想把它當成地端 AI 主機使用的開發者與研究者。
【電子書】現代 AI 全景聖經：機器學習 x 神經網路，從數學原理到Transformer核心
https://youtu.be/Djci5GTfEmo擺脫碎片化學習，建立不退流行的演算法母語！►第一原理推導 ｜ 434 篇論文錨定，打通演算法底層►手刻真實代碼 ｜ 100+ 範例，擺脫「看懂卻寫不出」►階梯思考訓練 ｜ 1,000+ 題庫，課後複習與培訓首選►在地真實實戰 ｜ 對接台股、實價登錄等台灣真實資料【Part I 基礎工具】 徹底擺脫相依地獄‧ Conda / PyTorch / CUDA 環境完美對齊‧ NumPy / Pandas / Polars 超高效 ETL 實戰【Part II 經典 ML】 表格資料與小樣本首選‧ 決策樹、SVM 與 XGBoost / LightGBM 剖析‧ AutoML 自動建模與 XAI 可解釋性 AI【Part III 深度學習】 現代 AI 總樞紐‧ 手刻神經網路、反向傳播矩陣推導‧ CNN 空間特徵、ViT 與 Transformer 核心數學專業推薦林立生—新竹市政府教育處 處長/ 國立屏東大學教育學 博士呂明峯—明新科技大學 教授/ 明新科技大學校長馮美瑜—台北城市科技大學 教授/ 台北城市科技大學 校長林義貴—國立陽明交通大學 終身講座教授/ 國立勤益科技大學 學術副校長/國科會傑出特約研究員獎得主/APIEMS Fellow/ 中國工業工程學會會士/三度榮獲國科會傑出研究獎呂奇傑—輔仁大學 特聘教授/ 2020-2025 全球前2％科學家林維昭—長庚大學 教授/ 校務研究中心 執行秘書/2021-2025 全球前2% 頂尖科學家
AI 驅動開發 - 從 Prompt 到 Loop，建立可控、可驗、可恢復的工程系統
https://youtu.be/b-px2lBi1Xg當 AI 說「完成」，人要拿甚麼重新確認？【書籍簡介】AI 已經能讀程式庫、修改檔案、呼叫工具、執行測試，甚至在多輪工作中持續往前推進。真正困難的問題也跟著改變：當 AI 說「完成」，人要拿什麼重新確認？當一個變更跨過需求、設計、實作與驗收，誰負責定義邊界、誰有權接受結果，失敗後又怎麼回到可信狀態？這本書不押注某一套工具，也不把提示詞寫成魔法公式。它從 Prompt、Context 與 Spec 開始，把需求說清楚；再用 Harness、Evidence 與 Authority 約束變更、保存證據；最後進入代理分工與有界 Loop，讓長任務能停止、接手與恢復。書中用兩個真實專案的開發紀錄拆解判斷與證據，也保留尚未完成的關卡；另有一套可重跑的本機實驗室、完整交付包與恢復手冊。你會看到的不只是 AI 做了什麼，還包括哪些結果不能接受、證據缺在哪裡，以及人最後為什麼放行或停下。如果已經開始用 AI 寫程式，卻不想把品質交給一句「測試通過」；如果正準備把個人技巧變成團隊流程，這本書要留下的是一套換了模型仍然能用的工程判斷。【適合讀者】．已經使用 AI 程式開發工具，想把「能跑」提升為「能驗、能交付」的開發者。．想把個人用法整理成可交接流程的 Tech Lead、工程主管與產品團隊。．需要理解 AI 如何進入需求、設計、開發、測試與交付流程的 PM、Designer 與 QA。
用 macOS 完整部署地端模型
https://youtu.be/1n0pVNYezCg【書籍簡介】Apple Silicon 的統一記憶體，讓一台 Mac 就能執行過去要靠多張顯示卡才載得動的模型。 全書 25 章的操作、指令與畫面，都在 Mac 上實際執行過。 －128GB 統一記憶體全部可當 GPU 記憶體，單機載入 100B 級模型。－Ghostty、Homebrew、uv 建好環境，Tailscale 與 macmon 遠端使用與監控。－Ollama、Open WebUI、LM Studio、llama.cpp 四套推論工具實際操作一遍。－四個方案同條件量測速度與記憶體，並與雲端 API 及 CUDA 主機對照。 －mlx-lm 直接使用 MLX 框架，從命令列、Python API 到相容伺服器。－量化原理講清楚，實作 DWQ、AWQ、GPTQ 與 dynamic_quant。－推測式解碼、量化 KV 快取與 prompt 快取，同一個模型輸出更快。－mflux、Draw Things、ComfyUI 生圖，實測 FLUX.2、Z-Image 與 Wan 2.2。－mlx-whisper 轉寫、Kokoro 與 Qwen3-TTS 合成、MusicGen 與 ACE-Step 作曲。 －mlx-vlm 與 FastVLM 看圖看影片，AnythingLLM 與 LightRAG 讀自己的文件。 －Claude Code、goose 接地端模型，sandbox-exec 與 Apple container 隔離。－Foundation Models framework 呼叫系統模型，exo 與 MLX 分散式組叢集。－mlx_lm.lora、mflux-train、mlx-lm-lora 微調，nanochat-mlx 從零預訓練。適合手上已經有一台 Apple Silicon Mac，想把它當成地端 AI 主機使用的開發者與研究者。
化繁為簡的藝術：高併發大模型複雜架構實作
https://youtu.be/6ikdNO_OKBc☆從高併發核心指標與常見場景出發，建立大型系統架構設計的完整思維☆從單體、SOA、分散式到微服務與Serverless，掌握架構演進與擴充方法☆以電商秒殺、搜尋引擎與AI平台案例，拆解真實高併發系統的設計策略☆建立標準化壓力測試流程，從流量模型、瓶頸定位到效能調校全面實戰☆深入Docker、Kubernetes與微服務架構，掌握運算資源與容器化部署☆理解行程、執行緒、事件驅動與協程模型，打造高效能後端服務☆深入Nginx、epoll、負載平衡與應用閘道器，突破網路效能瓶頸☆從LVS、Keepalived到SDN與ECMP，建構超大規模高可用負載平衡叢集☆掌握磁碟、CXL、Redis快取與Kafka訊息佇列的高效能儲存架構☆從CAP、Paxos到異地多機、故障切換與資料複製，建立高可用分散系統☆深入InnoDB、B+樹、Buffer Pool、TiDB與OceanBase，理解分散式資料庫演進☆實戰搜尋引擎、百萬訂單秒殺與DeepSeek服務，推演超大規模系統架構本書共分23章。第一章介紹高併發概念、指標與架構演進；第二章說明高併發架構設計方法；第三章解析搜尋、秒殺與AI平台案例；第四章介紹壓力測試；第五章介紹虛擬化、Docker與Kubernetes；第六章解析行程、執行緒與協程；第七章介紹Web Server、Nginx與epoll；第八章介紹負載平衡與應用閘道器；第九章深入LVS與大型負載平衡叢集；第十章介紹儲存與CXL；第十一章介紹快取架構；第十二章介紹Kafka與訊息佇列；第十三章說明CAP、分散式交易與Paxos；第十四章介紹異地多機與故障處理；第十五章介紹運算層高可用；第十六章介紹儲存層高可用；第十七章解析InnoDB、B+樹與Buffer Pool；第十八章回顧四代分散式資料庫；第十九章比較TiDB與OceanBase；第二十章實作全網搜尋引擎；第二十一章實作百萬訂單秒殺系統；第二十二章推演DeepSeek高併發架構；第二十三章探討無限容量架構的設計思路。
現代 AI 全景聖經：機器學習 x 神經網路，從數學原理到 Transformer 核心
https://youtu.be/Djci5GTfEmo擺脫碎片化學習，建立不退流行的演算法母語！►第一原理推導 ｜ 434 篇論文錨定，打通演算法底層►手刻真實代碼 ｜ 100+ 範例，擺脫「看懂卻寫不出」►階梯思考訓練 ｜ 1,000+ 題庫，課後複習與培訓首選►在地真實實戰 ｜ 對接台股、實價登錄等台灣真實資料【Part I 基礎工具】 徹底擺脫相依地獄‧ Conda / PyTorch / CUDA 環境完美對齊‧ NumPy / Pandas / Polars 超高效 ETL 實戰【Part II 經典 ML】 表格資料與小樣本首選‧ 決策樹、SVM 與 XGBoost / LightGBM 剖析‧ AutoML 自動建模與 XAI 可解釋性 AI【Part III 深度學習】 現代 AI 總樞紐‧ 手刻神經網路、反向傳播矩陣推導‧ CNN 空間特徵、ViT 與 Transformer 核心數學專業推薦林立生—新竹市政府教育處 處長/ 國立屏東大學教育學 博士呂明峯—明新科技大學 教授/ 明新科技大學校長馮美瑜—台北城市科技大學 教授/ 台北城市科技大學 校長林義貴—國立陽明交通大學 終身講座教授/ 國立勤益科技大學 學術副校長/國科會傑出特約研究員獎得主/APIEMS Fellow/ 中國工業工程學會會士/三度榮獲國科會傑出研究獎呂奇傑—輔仁大學 特聘教授/ 2020-2025 全球前2％科學家林維昭—長庚大學 教授/ 校務研究中心 執行秘書/2021-2025 全球前2% 頂尖科學家
萬顆 GPU 的訓練：分散式機器學習 — 系統工程與實戰 (好評熱銷版)
https://youtu.be/ogZa3oSiIH8＊分散式機器學習機礎，包括資料、模型、管線的並行＊集合通訊的重要性、參數伺服器PS-Lite＊PyTorch DataParalle、PyTorch DDP的基礎及動態邏輯＊Uber Horovod的原理及實作＊GPipe、PyTorch的管線並行及PipeDream基礎架構及實作＊Megatron原理及實作、PyTorch的模型並行原理實作＊分散式運算的最佳化器＊TensorFlow的分散式環境，靜態架構、動態邏輯＊分散式架構的策略基礎、MirroredStrategy、ParameterServerStrategy本書以PyTorch為主體講解，從系統和實踐的角度對分散式機器學習進行整理。包括了第1篇分散式基礎，介紹了分散式機器學習的基本概念、基礎設施，以及機器學習並行化的技術、框架和軟體系統，然後對集合通訊和參數伺服器PS-Lite進行了介紹。第2篇介紹資料並行，將計算負載切分到多張卡上，實作為PyTorch及Horovod。第3篇介紹模型並行，主要說明了張量模型並行及管線模弄並行，讓模型可以放入多節點上。第4篇NVIDIA Megatron進行分析，講解如何進行層內分割模型並行，然後學習PyTorch如何支援模型並行。第5篇則是將全書的內容用TensorFlow實作，讓已經熟悉TensorFlow的使用者不必重新學習新的框架。
