EP1-在人工智慧加持下，出一張嘴的時代即將來臨
本篇是「Raven 科技研究室」第一篇，首先請容我用少少的篇幅介紹自己。
我原本是文組，大學加上研究所，共計花了7年研究歷史學。
那當然在台灣，歷史學專業等於沒專業，畢竟沒有這麼多研究歷史的需求嘛。所以在從事文職工作數年後，我就自修資訊科技的相關知識，如程式設計、資料庫、資料結構等，轉職從事IT相關工作了。
但是我始終認為自己是文組，即便轉職到資訊工程相關產業，我的角度仍然放在人身上，而不是技術本身。
因此我花了不少時間學習如何運用ChatGPT、Claude這類AI工具，來解決我對於自我成長、知識管理的需求。比方說，透過AI來分析網路上的輿論趨勢，或是運用AI來整理和分析歷史文獻、文學小說等等。
在往後的電子報，我會用最簡單的方式，一步步帶著大家動手操作這些AI工具，盡可能以Low-code，甚至No-code的方式，做出有趣又實用的分析。
先從AI 代理說起
人工智慧大師吳恩達曾在今年年初，在台灣的一場演講中，曾經表示AI 代理（Agent）是今年最值得關注的AI趨勢。
什麼是AI 代理？就我個人的理解，它可以接受人類的的指示，通常是以自然語言下的命令，它能夠理解上下文，知道使用者的目的，還能夠主動規劃、決策和執行任務。
技術上其實就是由大型語言模型，結合提示詞模版，以及事先設定好的函式庫。當大型語言模型接受人類命令時，透過提示詞模版，使用以事先設計好的函式庫，或者當場寫出程式執行，最後再回傳值給人類。
從技術架構來看，AI 代理的架構圖如下。
大型語言模型：負責理解和處理訊息；
提示詞處理器：幫助格式化指令；
決策引擎：負責規劃和策略制定；
記憶模組：儲存上下文和經驗；
工具使用選擇器：能靈活調用預設的函式庫或即時生成所需的程式碼。
AI代理的技術，將會產生全面的革新，就如同2007年，iPhone誕生後出現的智慧手機浪潮一樣。因為AI代理可以處理非結構化的問題，比如說，我們可以拿起手機，直接跟手機說，「我今天想吃披薩，希望晚上七點就能吃到」。AI代理除了能夠自動搜尋目前使用者所在位置附近有哪些披薩店，它還能夠反問你，我記得你喜歡吃含有很多起士的披薩，還是要吃某店家的披薩？很多人推薦哦！當你回應說好啊，它就立刻幫你訂購，你最終只需要按下確認鍵刷卡就可以了。
全程只需要出一張嘴。
其實AI代理的技術並不是太大的革新，並不是說語言模型的能力增強了。其實只是工程師利用語言模型也能產製、呼叫程式碼的能力，提供工具讓語言模型去執行而已。
江湖一點訣，點破不值錢，雖然說起來沒什麼，但是這項技術卻能夠簡化許多步驟，加強目前人類使用3C產品的體驗。
不過我得說，AI代理的技術還有待科學家與工程師的精進。
其中有個原因是，由於我們需要語言模型充滿創意，因此它產出程式碼，或者要呼叫特定函式庫時，就會帶有機率性，可能會不符預期。
這在以前的時代是無法想像的，因為當我們輸入相同的值給程式時，我們會期待程式會輸出相同的結果。但是加入語言模型之後，由於語言模型的機率性特質，即使是相同輸入，也可能變成99%的情況是正確的，但是會有1%出錯。
Anthropic的重磅開源：MCP模型脈絡協定
不只是語言模型的機率性問題，例如在本週一（11/25），Anthropic開源了模型脈絡協定（Model Context Protocol, MCP），也有很多需要改善的地方。
MCP模型脈絡協定，是用來連結AI代理，以及各種資訊系統之間的統一標準。這項開源應該會在未來數個月中改變業界生態，因為原本語言模型如果要存取外部資料，或者連接內部敏感性資料，通常需要工程師花很多時間去寫客製化程式。但是有了MCP，開發者就可以使用相同的協定，把AI代理與不同資訊來源互相串連在一起。
比如說我在Google Drive有幾篇文章，我想要擷取裡面的內容，把它放到我電腦裡的SQL資料庫。如果沒有MCP，我得先用Claude AI連結Google Drive，取得資料後，然後再自己放到資料庫內。現在有了MCP，我可以使用電腦上的Claude桌面應用程式，單一介面完成全部操作。
架構圖如下：
我在新聞上看到MCP的相關報導時，挺興奮的，馬上去看他們的官方說明文件，自己手動試試看，不過初步嘗試的結果，真是見面不如聞名。
目前Anthropic有試做了幾個功能，例如讓Claude讀取你電腦的SQLite資料庫、連上指定網址抓取資料、能夠使用搜索引擎等等，但是我搞了一天，有些成功，有些失敗，成功的部分我也不是很滿意。
後來我在網路上查詢，才發現我不是唯一的，很多網友都遇到類似的情況。官方有在論壇上回應，說他們會在處理。所以我決定這件事就先擱置，大概等一兩週後，我再來研究怎麼做。
儘管如此，我仍強烈建議大家關注Anthropic的MCP協議，因為OpenAI他們只跟自己屬意的廠商合作，目前就只有Anthropic願意開源。
還有，這份電子報設定的讀者是完全不懂AI技術，但是想要利用AI來優化日常生活、學習與工作的人。如果你也是，目前學習AI是最好的切入點。Now or never
因為AI代理的技術仍未成熟，假設你現在學習相關技術，搶先別人一步，你就越有機會賺到資訊差。
別等了，快來學習吧！
對於MCP有興趣的人可以看看Anthropic的官方文件：
https://modelcontextprotocol.io/introduction
https://github.com/modelcontextprotocol
這是我的學習筆記，有部分成功，有部分失敗：