Peter To Better｜從前端、後端到 AI 開發的繁中技術筆記

技術學習  ·  成長筆記  ·  與你一起變好

@Peter-To-Better
最新文章
01
Docker & K8s//13 min read

Kubernetes Pod Deployment Service 入門｜Docker 與 K8s 筆記 Ep-6

kubectl get pods 顯示 0/1 Running，Service 卻打不通到底哪裡壞了？裸 Pod 被砍掉為什麼不會自動復活？這篇用 Pod、Deployment、Service 三層實測，加上 readinessProbe 失敗的真實 log，把 K8s 這三個核心物件到底在解決什麼問題講清楚。

#Docker & K8s#Kubernetes#K8s#容器化
→
02
Docker & K8s//9 min read

Docker Compose 實戰＋Volume 資料持久化｜Docker 與 K8s 筆記 Ep-5

docker-compose.yml 到底怎麼寫？重開容器資料就不見了怎麼辦？這篇把 Ep-4 用兩次 docker run 接網路的做法改寫成真正的 Compose，並用實測指令示範 volume 資料持久化、image 瘦身與 HEALTHCHECK。

#Docker & K8s#Docker#Docker Compose#容器化
→
03
LangChain & LLM//11 min read

Graph RAG 是什麼？為什麼 2026 爆紅｜LangChain 筆記 Ep-5

Graph RAG 是什麼、跟向量 RAG 差在哪、為什麼 2026 年突然變主流。用疾管署年報實測示範向量 RAG 在跨文件聚合問題上會把數字接到錯誤的實體上，並拆解 Microsoft GraphRAG 與 Text2Cypher 兩種路線該怎麼選。

#LangChain & LLM
→
04
pnpm//3 min read

ERR_PNPM_IGNORED_BUILDS 解法：pnpm approve-builds 完整教學

pnpm install 出現 [ERR_PNPM_IGNORED_BUILDS] Ignored build scripts: sharp 導致 Aborting installation？完整解法：pnpm approve-builds 用空白鍵勾選，含誤按 Enter 後救回的兩種方案，--force 和 rebuild 為什麼都沒用。

#pnpm#Next.js#踩坑
→
05
LangChain & LLM//8 min read

我的電腦能跑哪些本地 LLM？量化與記憶體對照

不知道你的電腦能跑哪些 LLM？說清楚量化格式（FP32 / Q4_K_M / Q8_0）差在哪、記憶體怎麼估算，附 Apple Silicon / NVIDIA / 純 CPU 場景對照表與 willitrunai 工具介紹，選對再動手。

#LangChain & LLM
→
06
LangChain & LLM//5 min read

RAG 該選哪個模型？MTEB 與 Chatbot Arena 挑選法

LangChain RAG 要選哪個模型？用 MTEB 排行榜挑嵌入模型、Chatbot Arena 挑生成模型，解釋為什麼選 nomic-embed-text 和 llama3.1:8b，附本地 vs 付費 API 完整對比表與一鍵切換程式碼。

#LangChain & LLM
→
07
LangChain & LLM//31 min read

RAG 評估教學：RAGAS 指標可信度實測｜LangChain 筆記 Ep-4

RAG 評估實作教學：用 RAGAS + 本地 Ollama 量化 RAG 準確率。六種設定實測對照，抓出 Ep-3 把功勞歸錯對象，並驗證四大指標在小語料上到底可不可信。含完整 Python 程式碼，不需要 OpenAI API。

#LangChain & LLM
→
08
LangChain & LLM//19 min read

多模態 RAG 教學：讓 LLM 讀懂含圖表 PDF｜LangChain 筆記 Ep-3

多模態 RAG 實作教學：用 LangChain + Ollama 視覺模型讀取含圖表的 PDF，圖片先用 qwen2.5vl 轉成文字描述再建向量索引，含完整 Python 程式碼，不需要任何付費 API。

#LangChain & LLM
→
09
LangChain & LLM//16 min read

進階 RAG 教學：混合檢索與 Reranking 實測｜LangChain 筆記 Ep-2

進階 RAG 實作教學：用勞動基準法示範語意分割、混合檢索（BM25 + 向量 + RRF）、Multi-Query、Cross-Encoder Reranking、Contextual Retrieval，每個技術都有完整可執行的 Python 程式碼，本地 Ollama 跑免付費。

#LangChain & LLM
→