一部影片看完 Stanford AI 系統課程，從 LLM 到 Agentic Workflow

AI 工程師與 AI Builder 在商業場景中，需透過「縱軸」工程技術提升大型語言模型（LLM）的實用性。LLM 面臨缺乏領域知識、資訊落後、難以控制及長文本遺忘等限制，因此需結合 Prompt Engineering、RAG 檢索增強生成及 Agentic Workflow 來構建系統。其中，Fine-Tuning 成本高且時效性差，僅適用於極少數高精度需求場景。打造 AI Agent 的核心在於任務拆解（Task Decomposition）與模糊工程（Fuzzy Engineering），並需建立多維度的評估系統（Eval）以確保產出穩定。此外，透過 Multi-Agent 架構與 MCP 協議，能實現平行處理與模組化復用，將 AI 從單一問答工具轉化為具備實際產出價值的自動化系統。