LightRAG：把知識圖譜與向量檢索整合進 RAG 的實作指南
LightRAG 將知識圖譜、向量 embeddings 與多種查詢模式整合進同一個 RAG 工作流。本文從雙層索引、文件解析、部署安全到成本評估，整理一條可實作的導入路徑。
最新文章
探索 AI 應用的最新趨勢與實用技巧
不只會呼叫模型：Google ADK 2.0 如何把 Agent 工作流變成可部署的 Python 軟體系統
Google ADK 2.0 將 Agent 應用拆成負責推理與工具使用的 Agent，以及負責執行順序與狀態的 Workflow。本文從原始碼與官方文件拆解工作流執行模型、Task API、多代理、MCP 工具、評估與部署，並整理導入 production 前的實務檢查表。
Chrome DevTools MCP：讓 AI coding agent 直接進入瀏覽器除錯迴圈
Chrome DevTools MCP 將 live Chrome 的操作、Console、network、效能與記憶體分析能力接到 MCP，讓 AI coding agent 能在程式碼與瀏覽器狀態之間建立可驗證的除錯迴圈。本文拆解工具架構、導入方式與安全邊界。
VibeVoice：讓 60 分鐘錄音一次產生「誰、何時、說了什麼」的開源語音 AI
Microsoft VibeVoice 將長音檔辨識、說話者分離與時間戳整合在同一個開源語音 AI 家族中。本文從 VibeVoice-ASR 的安裝、推論與整合方式出發，也拆解 Realtime TTS 的低延遲設計與研究用途限制。
不只是在本機跑模型：LocalAI 如何用一個 API 統一 LLM、語音與影像服務
LocalAI 把多種推論後端、模型格式與硬體加速收進一個可自架的服務層，並以 OpenAI 相容 API、按需載入的 backend、內建 Agent 與分散式能力，降低把本地模型接進真實產品的門檻。本文從架構、部署、模型管理到治理邊界，拆解它適合解決什麼問題，以及哪些地方仍需要工程團隊自己把關。
別再把 Agent 當成一段 Prompt：Microsoft Agent Framework 如何把多代理工作流推進生產環境
我認為 Microsoft Agent Framework 真正值得關注的地方，不是再包一層聊天 API，而是把 Agent、工作流、狀態、人工介入、可觀測性與部署邊界放進同一套工程模型。本文從官方文件與可執行的 Python 快速入門出發，拆解它適合什麼團隊、如何開始，以及為什麼不要一開始就急著堆多代理。