AI Agent, n8n, Vector Database, 本地+非本地部署 AI 自動化技術課程
課程簡稱：AI Agent, n8n, Vector Database, Private AI Training Course

在這課程中，我們將帶領學員系統化學習 AI 技術，從基礎設施到高階應用，全面掌握如何將 AI 技術落地於商業、個人生活及資訊科技領域。本課程以實務為導向，涵蓋最新技術與實際案例，幫助學員快速上手並靈活應用。

課程亮點

1. AI 基礎設施與資源管理

• 了解 GPU 配置與性能差異，學習不同伺服器環境（包括無 GPU）如何影響 AI 任務執行。
• 深入掌握容器化技術（Containerization），加速 AI 應用部署。

2. 本地化 AI 部署與私人 AI 解決方案

• 教授如何在本地基礎設施上部署 AI 模型，實現數據安全與服務掌控。
• 比較大規模與小規模模型的優缺點，探索不同應用場景的模型選擇策略。
• 實戰：撰寫 Python 程式與本地部署的 AI 模型進行互動。

3. n8n 自動化工作流程

• 從基礎安裝到進階應用：學習如何利用 n8n 自動化數據處理與整合。
• 實例操作：航班數據篩選、新聞數據檢測與通知等高效工作流程。
• AI 與 n8n 的深度整合：對話儲存、情感分析、AI Agent 開發與應用。
• 自定義 AI Agent 工具與記憶體管理，提升 AI 解決問題的能力。

4. 向量資料庫與智能檢索

• 探索向量資料庫的核心功能，包括相似度檢索、知識儲存與多屬性檢索。
• 實踐：將向量資料庫整合到 n8n，實現高效的數據檢索與自動化工作流。

5. 其他話題，例如 MCP (Model Context Protocol) 等

第 1 部份：AI 基礎設施

• 本部份將教授實現 AI 方法“落地”所需的基礎設施知識。
• 你需要多少 GPU？ 導師將講解 GPU 的基本概念，並結合實務經驗，說明不同伺服器配置的實際差異。例如：
• 配置 8 張 Nvidia A100 40G 的伺服器性能。
• 配置 1 張 Nvidia T4 Tesla 16G 的伺服器性能。
• 無 GPU 的伺服器情況下的應用限制。課程還會探討在沒有 GPU 的環境中，如何運行 AI 任務、應對相關挑戰，以及可能產生的影響。

• 容器化技術 (Containerization)：容器化技術是實現 AI 解決方案的重要工具。本課程使用的伺服器（例如 n8n、Redis、MySQL、Python 等）大多運行在容器環境中。課程將講解容器化技術的應用流程、優勢，以及其在 AI 開發與部署中的實際作用。

第 2 部份：本地部署 AI / 私人 AI 方案

• 教授如何自行架設伺服器，部署私人 AI 方案：本部份將教授如何在本地部署 AI 模型，並以不同的開源模型為例，說明部署過程和相關技術要點。學員將學習如何在自己的基礎設施上運行 AI 模型，實現數據和服務的完全掌控。

• 分析不同模型的特點及使用情景：比較大規模與小規模模型的優缺點。探討模型選擇的策略，根據實際應用場景決定使用何種模型（如計算資源、響應速度、數據隱私需求等）。
• 使用不同的客戶端程式接入本地部署 / 私人 AI：教學中會示範如何使用常見的客戶端工具與本地部署的 AI 進行交互。

• 編寫 Python 程式接入本地部署 AI / 私人 AI：學員將學習如何編寫 Python 程式碼，通過 API 或其他介面與本地部署的 AI 交互。

第 3 部份： n8n

• 安裝與初始設定：指導學員如何安裝 n8n，並完成基本的初始設定。
• 基本檔案處理與模擬數據處理：教授如何利用 n8n 進行簡單的檔案處理操作。

• 使用模擬數據進行基礎的數據處理，幫助學員熟悉 n8n 的數據處理功能。

• 航班數據處理實例
• 實例 1：從香港國際機場獲取航班數據，篩選出取消航班（Cancelled Flights）。

• 實例 2：從香港國際機場獲取航班數據，篩選出某一航空公司的航班，並顯示有 Gate No 的航班資訊。

• 實例 3：通過 Webhook 和 REST API 集成，實現從香港國際機場航班數據中列出航班資訊。

• 新聞數據檢測與通知：定時抓取新聞數據，檢測是否包含特定的關鍵字。如果檢測到關鍵字，使用雲端服務向用戶發送 SMS 和 Email。這對投資者尤其重要，幫助他們快速掌握市場變化，進行即時決策。

• n8n 表單的使用：教授如何使用 n8n 內置表單功能，進行數據收集和處理。

• AI 與 n8n 的整合：
• 對話內容儲存：將 AI 整合到 n8n 中，並將用戶與 AI 的對話內容儲存到資料庫中。

• AI 分類與處理：使用 AI 進行數據分類，並根據分類結果執行不同的操作。

• 情感分析：應用 AI 的情感分析功能（Sentiment Analysis），根據分析結果進行不同的處理。

• 建立與應用 AI Agent：
• AI Agent 結構：講解 AI Agent 的結構（如 Model、Memory、Tools 等），並使用入門工具解決簡單問題。

• 與應用互動：學習如何透過 AI Agent 與不同應用程序互動，例如檢查 WordPress 是否有某類型的文章（如星座相關），如果沒有，AI 創建新文章。這概念亦適用於跟 WordPress 以外的其他 app 互動，例如檢查日曆（Calendar）是否有衝突，並進行新增或更改安排。

• 自定義工具：教授如何自行編寫 AI agent 能用的工具，讓 AI Agent 使用以解決特定問題。

• 電郵分析與處理：在接收到電郵後，先讓 AI 進行分析，然後根據分析結果進行處理。

• AI Agent 的記憶體管理：討論 AI Agent 使用的 Memory 機制，並嘗試使用不同類型的 Memory（例如 Redis），探索其應用場景與優勢。

第 4 部份： Vector Database

• 向量資料庫在 AI 或 AI Agent 解決方案中扮演著關鍵角色。其主要用途包括：
• 相似度檢索：用於快速查找與目標相似的內容或產品。
• 知識儲存與檢索：支持客戶服務 AI 解決方案的核心功能。向量資料庫的質量直接影響到整個知識檢索系統的效果，例如客戶服務 AI 能否準確回答問題，或推薦系統是否有效。

• 甚麼是向量? 怎樣產生向量?

• 產品名稱檢索：根據客戶輸入的產品名稱，檢索出最相關的產品或內容。

• 類別篩選檢索：在指定類別中進行檢索（例如篩選 "Cloud Course" 類別的課程），幫助客戶快速找到符合需求的內容。

• 避免過度相似或不相似的推薦：當向客戶推薦產品時，避免推薦與原始產品過於相似的內容（例如不直接推薦同一產品），同時也避免推薦完全不相關的產品。這樣可以提供多樣化的推薦選項。例如：若搜索 CCNA 課程，推薦相關但不同的課程，而非重複推薦同一課程。

• 避免重複推薦：確保每種類型的產品僅出現一次，避免同類產品多次出現，提升用戶體驗。

• 在檢索時，同時考慮多個因素或屬性（例如課程名稱和課程內容）。支持設置屬性權重，例如更注重課程內容的相關性，而非課程名稱。

• 以圖搜圖：使用向量資料庫支持圖像搜索功能，即用一張圖片檢索出與之相似的圖片。

• 將向量資料庫整合到 n8n：教授如何將向量資料庫與 n8n 整合，實現工作流程自動化和高效的數據檢索。

• 其他演算法與搜尋方式：討論向量資料庫之外的相關搜尋技術，例如全文檢索（Full Text Search）和其他混合檢索方法。

第 5 部份：其他話題，例如 MCP (Model Context Protocol) 等

*AI 技術日新月異，因此課程內容將根據最新技術發展進行適當調整。