01
M8801－Node.js Fullstack 原理與實務－讀者服務區
這本書是為 Node.js 初學者設計的入門教材，也是一份幫助你從零開始、逐步建立實作能力的學習指南。
Jollen's Blog 專欄
RAG、語意搜尋與 LLM
從語境擷取、向量表示、餘弦相似度到 Top-K 檢索，依序整理 RAG 與語意搜尋的核心技術。
21 篇文章連載中
02
RAG 是一種語境搜尋架構
RAG 檢索之所以重要，是因為 RAG 主要在「如何找到正確的語境」，RAG 並非傳統的關鍵字檢索
03
M8802－Node.js & LLM 原理與實務－讀者服務區
這本書是為 LLM 初學者設計的入門教材，也是一份幫助你從零開始、逐步建立實作能力的學習指南。
04
語意搜尋的核心：向量表示（Vector Representation）
語意搜尋的關鍵在：讓語言變成可運算的 Expression（運算式）
05
RAG 向量化與語意搜尋概論
說明 RAG 如何將文本轉為向量，並透過向量資料庫建立可搜尋的語意索引與檢索流程。
06
RAG 向量距離計算：餘弦相似度（Cosine Similarity）概論
說明餘弦相似度如何計算向量方向的接近程度，並用於 RAG 的語意排序與相關內容選取。
07
Text Embedding 的應用：語意對齊（Semantic Alignment）概論
說明 Text Embedding 如何將不同文字映射到共同向量空間，用於語意對齊、比較與檢索。
08
RAG & Top-K 檢索概論：使用 Text Embedding
這是 RAG 系統中「語境擷取（Context Retrieval）」的第一步
09
純手工極簡向量資料庫：使用 Top-K
從零實作極簡向量資料庫，整理向量儲存、餘弦相似度與 Top-K 檢索的完整流程。
10
什麼是 Vibe Coding
人工智慧的角色不在取代人類，反而是君臣相輔的角色。
11
什麼是 Agentic Coding？
Karpathy 並非推翻 Vibe Coding 的說法，而是進一步提出「讓 AI Agents 承擔更多 Vibe Coding 任務」
12
Android HAL & Framework 如何 Vibe Coding？
Android HAL & Framework 也能 Vibe Coding。
13
Agentic Coding 自主軟體工程
將一群 AI Agents 搭建在一起，變成一個「類意識體」後，讓 AI 進行「自主開發」
14
Agentic Coding 自主軟體工程：三種 AI 開發角色
要理解 Agentic Coding，需要先區分三種常見角色。這三種角色都能產生程式碼，但它們參與工程流程的深度不同。
15
Skills 在 Agentic Coding 中的角色
OpenAI 官方說明將 Skills 定義為 reusable、shareable workflows
16
Task Contract 在 Agentic Coding 中的角色
OpenAI 官方說明將 Skills 定義為 reusable、shareable workflows
17
AI 商業觀點：Vibe Coding 存在成本不對稱問題
獨立開發者期待 Vibe Coding 的「軟體生産力」，也同時能帶來高經濟效應；現實真的如此嗎？本文提出 Jollen 的個人觀點。
18
AI 商業觀點：Vibe Coding 成本結構
AI 軟體開發的成本，不能只看模型單價。
19
Qwen3.5 模型架構與 GDN 上下文管理技術
從 Qwen3.5 的混合模型架構出發，理解 Gated DeltaNet 如何透過固定狀態、Decay Gate 與 Delta Rule 管理長上下文。
20
Qwen3.5 上下文管理實作：以對話聊天為例
從對話聊天的實作出發，理解 Qwen3.5 如何結合 GDN recurrent state、Attention KV cache、歷史裁切與 checkpoint 管理上下文。
21
LLM 模型特殊量化技術概論：以 Qwen3.5 MLX-4bit 為例
從 MLX、llama.cpp、4-bit 量化與 Gated DeltaNet recurrent state，理解 Qwen3.5 在 Apple Silicon 上的 Prefill 效能差異。