# 現今「Agentic AI」的骨架：聊聊各熱門 AI 相關技術如何協作

*開發者 Buffet, [banner image], Facebook, https://www.facebook.com/groups/buffet.dev/?locale=zh_TW*

## 開發者 Café - 9月聚會
主題：現今「Agentic AI」的骨架：聊聊各熱門 AI 相關技術如何協作
日期：2025-09-30 週二
時間：1900-2100
地點：Second Space，高雄

### 講者個人背景

- Aaron Ng（黃立仁）
- AI 研發工程師、智慧系統架構師、超精密機台核心開發
- 目前從事：智慧監控、智慧工廠、智慧交通、智慧港口、智慧醫療、智慧城市、智慧空間
- 學術專長：人工智慧、深度學習、理論物理、量子物理、材料科學、電腦科學、工程科學
- HackMD：https://hackmd.io/@liren0907
- GitHub：https://github.com/liren0907
- LinkedIn：https://www.linkedin.com/in/liren0907/
- E-mail：[e-mail]

## 前言
* 近期新聞：“某外行講師 Vibe coding 失誤導致 API 費用暴漲，然後砲轟 Google AI Studio等服務規則”。一句話就是 “上山的人不要笑下山的神”、“我是工程師，申請出戰！”、“工程師還有30秒到達戰場”。
* 想問：各位有什麼好奇想知道的嗎？關於這幾年很 trending 但又沒有落地的科技趨勢
* 量子計算、量子加密、量子通訊
* 半導體：CoWoS、後摩爾定律時代、矽光子
* AI：模型底層
* Perceptron AI -> Generative AI -> Physical AI -> Simulation AI -> Interpretable AI
* 科技趨勢：區塊鏈、元宇宙、3D 重構、AR/VR、數位孿生、具身機器人

* 今日大聊的目標：
* AI 領域是心法快50年都不變，但技法一直在迭代的領域
* 外行人看熱鬧，內行人看門道
* AI 落地開發者需集全角色於一身：數學家、工程師、導演、編劇、廠務，所以你問我 AI 怎麼開始？“同時學習成為這些角色就是答案”，適用於經營者、管理者、技術者與使用者
* 理解整體框架，你能夠破解下一篇技術新聞

## 現今「Agentic AI」的骨架：聊聊各熱門 AI 相關技術如何協作
* 課程賣到 TWD60000！欸，要確？ ByteByteGo 旗下 USD1999 AI Engineer 課程 - [ByteByteAI](https://bytebyteai.com/)

## 傳統 AI 模型 -> 大型語言模型 -> 多模態大型語言模型

### 大數據時代

#### 大數據之死
* [原子能，“大數據時代過去了，我很懷念它【讓編程再次偉大#36】”](https://www.youtube.com/watch?v=n7z1V2lo_gQ)
* OG 工程師、真。技術者的知音 -- Youtube channel：[原子能](www.youtube.com/@yuan_zi_neng)
* 類似 LeetCode 最優排序演算法在現實情境下，沒必要完整實現
* 當時候我還在中山唸大學的時候，就對大數據的東西感興趣的時候，就問了一些老師這樣的答覆，然後時代證明我是對的。

#### 大數據時代留下什麼？（觀念是最重要的產物，大數據並沒死）
* 工程師明白技術和商業到底是怎麼運轉了，技術-商業-落地，分離且鼎力時代開始
* 學生看著技術被炒熱到崩盤的歷史循環，成為工程師後技術卻內斂在看不到的地方

*"Apache Spark Key Terms, Explained", databricks, June 22, 2016, https://www.databricks.com/blog/2016/06/22/apache-spark-key-terms-explained.html*
* 後續有太多的技術，在看不到的地方悄悄把大樓給蓋起來

### 神經網路時代（Perceptron AI）

#### ANN -> CNN -> LSTM -> Attention
* 1957' - Perceptron
* 1980' - CNN (Neocognitron)
* 1982' - Hopfield Network
* 1985' - Boltzmann Machines
* 1997' - LSTM
* 2016~2017 - Attention

### Transformer 架構時代


* [Sebastian Raschka, PhD - The Big LLM Architecture Comparison](https://magazine.sebastianraschka.com/p/the-big-llm-architecture-comparison)!


### Diffusion 模型
* [Inception Labs, Mercury - The fastest commercial-grade diffusion LLM](https://chat.inceptionlabs.ai/)

### 世界模型


---
## 現今「Agentic AI」骨架 - 全圖譜


## 大型語言模型的誕生

### Chain-of-thoughts
* [Topologies of Reasoning: Demystifying Chains, Trees, and Graphs of Thoughts](https://arxiv.org/pdf/2401.14295v1)
* [Graph of Thoughts: Solving Elaborate Problems with Large Language Models](https://arxiv.org/pdf/2308.09687)


### Prompt Engineering -> Context Engineering
* [A Survey of Context Engineering for Large Language Models](https://arxiv.org/pdf/2507.13334)

### Reasoning LLMs
* [Sebastian Raschka, PhD, "Understanding Reasoning LLMs"](https://magazine.sebastianraschka.com/p/understanding-reasoning-llms)

### Multimodal LLMs
* [Sebastian Raschka, PhD, "Understanding Multimodal LLMs"](https://magazine.sebastianraschka.com/p/understanding-multimodal-llms)


## 大型語言模型部署

### Closed-source model provider vs. On-premise - Ollama // LM Studio // llama.cpp


## 模組化應用：Pydantic AI, LangChain, LangGraph

## RAG（Retrieval-Augmented Generation）
* [Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG](https://arxiv.org/pdf/2501.09136)

## MCP（Model Context Protocol）
* [ByteByteGo, "Why Everyone's Talking About MCP?"](https://www.youtube.com/watch?v=_d0duu3dED4&t=89s)

## A2A（Agent2Agent Protocol）
* [Agent2Agent (A2A) Protocol](https://a2a-protocol.org/latest/)

## ACP（Agent Client Protocol）
* [Agent Client Protocol, Architecture](https://agentclientprotocol.com/overview/architecture)

## ACP（Agent Communication Protocol）
* [IBM, "What is Agent Communication Protocol (ACP)?"](https://www.ibm.com/think/topics/agent-communication-protocol#1190488334)

---


## 附錄：LSP（Language Server Protocol）

*"Integrating the Language Server Protocol in Verible", April 12, 2023, Chips Alliance, https://www.chipsalliance.org/news/integrating-language-server-protocol-in-verible/*

## 附錄：先給我發電廠，才來講模型訓練吧

* 台灣日平均發電量：~30 GW

## 附錄：羊毛出在狗身上，雞來付錢


* OpenAI and NVIDIA Announce Strategic Partnership to Deploy 10 Gigawatts of NVIDIA Systems - [Press Release, NVIDIA Newsroom](https://nvidianews.nvidia.com/news/openai-and-nvidia-announce-strategic-partnership-to-deploy-10gw-of-nvidia-systems)

## 附錄：人工智慧發展史


## 附錄：Youtube channel
* [Welch Labs](https://www.youtube.com/@WelchLabsVideo/videos)