今年三月, 跟保哥開了一場直播, 從 LLM 的基礎 ( OpenAI ChatCompletion API 開始 ), 談基本的 API 操作。使用方式從 HttpClient, 到 OpenAI .NET SDK, 再到 Microsoft Semantic Kernel, 示範了 Chat, Json Mode, 到 Function Calling 的操作, 最後示範了用 Microsoft Kernel Memory 這套服務來實作 RAG …
這次直播,我決定調整一下過去的做法: 先持續釋出片段資訊, 之後再整理成文章。對比過去我先整理文章再發表的習慣, 每次就要花上幾個禮拜… 現在的資訊更新速度實在太快了, 過去的步調已經跟不上變化了 (我有好幾篇文章躺在 draft branch, 結果寫一半就… 就不用寫了 XDD)。所以這次我在直播前一週, 每天在 Facebook PO 文介紹直播的八個主題… 而現在,這篇就是事後收整內容的文章。想要回顧或是查詢資料的就來這邊吧!
第七次參加 DevOpsDays Taipei 了, 這篇會放我的簡報, 還有我的場次共筆連結。 後續的心得,以及 QA 回覆等, 會陸陸續續補在後面。
最近,起了一個小型的 Side Project, 想說先前研究 “安德魯小舖”,一年半以前就已經做的到用對話的方式讓 AI 替我執行對應的 API 的應用了,現在這些應用更成熟了 (每間大廠都在推各種 Agent 的解決方案..),某天就突發奇想:
AI 都有自動執行 API 的能力了,那能不能拿來簡化工程師要寫 script 來做 API 自動化測試的任務?
會有這篇,當然是試出了一些成果了,就是我前幾天在 FB 發的這篇。這篇就是要聊聊 FB 沒辦法提及的實作過程心得,有興趣的請繼續往下看。在開始之前,複習一下我貼在 FB 的 貼文 :
圖: DALL-E, 趕流行, 我讓 ChatGPT 搜尋我自己然後畫出來的形象圖..
TL;DR; 這篇只是心得文而已,記錄我把主要工作環境翻新成 WSL + VS code 的過程,跟背後追問題學到的冷知識..
–
因為越來越多東西需要在原生的 linux 環境下執行, 趁著更新 24H2,重灌 windows 的機會, 就一起認真的重整我的開發環境了。在 windows 下要以 linux 為主要的工作環境,用 WSL (windows subsystem for linux) 是首選,不過畢竟是跨 OS 的使用,也有不少障礙要排除。趁這次花了點時間研究作法,同時也惡補了一下 wsl 的相關背景知識,這才發現 Microsoft 對 WSL 下了不少功夫啊,背後藏了很多不錯的巧思。
在這篇,我會交代我的作法,同時我也會整理一下我找到的參考資訊,以及背後架構與限制。我最想解決的問題 (也是我的動機) 是這幾個:
花了一個禮拜的下班時間,我總算把我的工作環境打造好了。過程中也發現不少 Microsoft 藏在 WSL 裡面的黑科技。自 WSL2 推出以來,這幾年相關的整合也都成熟了,我就野人獻曝,分享一下我的整理心得。
這篇的內容,是我在今年 DevOpsDays Taipei 2024 擔任 Keynoye 演講 + 時間不夠被我略過的部分寫下來的文章。延續 2022, 2023 談的 “API First”, 延伸到 AI 應用程式開發,正好銜接到我半年前在研究的 LLM App 時寫的三篇文章內容, 這次投稿就用了這標題 “從 API First 到 AI First” 來聊聊這內容。
各行各業的每個環節, 大家都在想怎麼善用 AI 與相關工具了, 不過開發人員把它當作服務或元件,用在自家的產品上的案例就少得多。我自己是軟體開發產業的人,我的角色是架構師,我看到的是: AI 是個強而有力的元件,只要掌握清楚它的特性,就有機會在你的應用程式好好的利用他,而這也是這半年間,我下班時間都在摸索的事情。我驗證過好幾種想法,在那段時間我的 ChatGPT plus 的額度每天都被我用光了,到現在也算是有點心得,於是就有了這個主題,也有了這場演講 & 這篇文章。
這整篇的心得,其實摘要起來只有一段話,就是:
未來 AI 充分運用在各個領域的年代,你現在的軟體開發基礎只會越來越重要。
要確保未來 AI 盛行的世代還保有競爭力,請把基礎的功夫做好。