Categories
第 107 頁
AI 工具解析
Phoenix：LLM 產品真正需要的不是更多感覺，而是看得見的 trace、eval 和錯誤樣本
Semantic Kernel：企業 agent 真正需要的，不是更多魔法，而是可組織的模型、工具與流程
Continue：AI coding 真正卡住的不是補全，而是團隊能不能掌握自己的開發工作流
Haystack：RAG 真正需要的不是又一個聊天範例，而是可拆、可測、可替換的 pipeline
Weaviate：RAG 上線後你才會發現，向量搜尋其實是資料平台問題
MLflow：AI 團隊真正缺的常常不是模型，而是能追蹤、評估、交付的生命週期
Composio：agent 會不會做事，常常卡在工具整合，而不是模型智商
CrewAI：多 agent 真正難的不是多叫幾個模型，而是把角色、流程和責任邊界收住
LanceDB：RAG 的資料層不只要會向量搜尋，還要能承受多模態資料和工程迭代
LlamaIndex：RAG 和 agent 真正難的，不是接上模型，而是把資料入口做成可維護系統
1
2
3
4
5
6
7
8
9
11