CareerWise 規劃審查模式 — 讓 AI 先提出分析規劃再執行

目前的 career chain 拿到問題就直接跑分析,使用者看不到 CareerWise 打算從哪些角度切入。參考 Google Deep Research 的「先擬規劃、再送審查」設計,讓使用者在分析開始前先看到分析面向,有意見可以調整,批准後才執行。

Agentic Design Pattern CareerWise Planning Agentic AI LLM


CareerWise 代理活動饋送 — 修補 Tool Use 的 UX 空洞

Tool Use 改造完成後,LLM 可以自己決定要不要查知識庫了,但新的問題跟著浮現——當 LLM 決定查資料時,使用者看到的是完全空白的畫面。這篇文章記錄 CareerWise 如何用代理活動饋送(Agent Activity Feed)填補這段 UX 空洞。

Agentic Design Pattern Tool Use CareerWise UX Agentic AI


CareerWise 從強制注入到 Tool Use:逐步重構 LLM 知識庫搜尋的真實案例

以 CareerWise 職涯諮詢機器人為例,記錄逐步將強制塞入知識庫 chunk 的架構,重構為 LLM 自主決定是否搜尋的 Tool Use 模式的完整過程,包含 streaming + tool call 的實作細節與邊界情況。

Agentic Design Pattern Agentic AI Tool Use Function Calling LLM


AI 代理的規劃能力:從被動反應到主動佈局

探討 AI 代理的規劃模式(Planning),從運作機制、適用場景、開發框架到 Google Deep Research 與 OpenAI Deep Research API,並反思自主代理在動態調整與人類控制之間的權衡。

Agentic Design Pattern Agentic AI LLM MCP Planning


打破文字監獄:LLM 工具呼叫(Tool Use)與函式呼叫(Function Calling)的實作與應用

從 LLM 只能生成文字的困境出發,探討工具呼叫(Tool Use / Function Calling)的運作機制、應用場景與開源框架應用,最後反思多代理協作下的責任歸屬。

Agentic Design Pattern Tool Use Function Calling Agentic AI LLM


CareerWise 平行化架構設計 — 讓 AI 從單一觀點升級為團隊分析

當使用者問「該不該離職」這種跨領域問題時,循序搜尋知識庫的瓶頸開始浮現。本文記錄 CareerWise 如何導入 Agentic Design Pattern 中的平行化模式(Parallelization),讓三個 AI 角色同步分析薪資市場、技能成長與求職準備,再經由合併代理產出多面向的結構化報告。

Agentic Design Pattern Parallelization CareerWise AI Agentic AI


解構前端系統設計:從全域架構到微觀元件的底層邏輯與實戰策略

探討前端系統設計的兩種類型(應用程式架構與 UI 元件設計),從狀態管理、產品驅動優化、無障礙設計到 RADIO 實戰框架,提供完整的架構決策指南。

front-end architecture Architecture Design Pattern