Tags
第 29 頁
RAG
AI Agent 導入選型：先分清 RAG、Workflow、Agent，不要把所有問題塞進框架
RAGFlow：RAG 真正難的不是接向量庫，而是把文件變成可信上下文
Mastra 值得現在看嗎？TypeScript 團隊需要的不是更多 Agent Demo，而是能放進產品裡的工程骨架
VoltAgent 值得現在看嗎？當 AI agent 從 demo 變成產品，真正缺的不是又一層 prompt，而是工程化控制面
Opik：LLM 產品上線後真正缺的不是更多 demo，而是 trace、eval 和監控回到同一個地方
Chroma：RAG 不是把向量存起來就好，真正要補的是 AI search infrastructure
DeepEval：AI 產品不能只靠感覺驗收，LLM 評測正在變成工程團隊的測試層
Unstructured：文件 AI 最常翻車的地方，不是模型不懂，而是資料進來時就已經亂了
Milvus：向量資料庫不是 RAG 配件，而是會決定搜尋品質與營運成本的基礎設施
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
1
2
3