六月 2026
一 二 三 四 五 六 日
1234567
891011121314
15161718192021
22232425262728
2930  

彙整
«  
  »

Xcode Swift App+AI進階實作教師專班(1150321、0418、0509、0627)

日期：115年3月21日、4月18日、5月9日、6月27日(六)

時間：9:00 – 16:00

地點：新北市雲端智慧科技中心

講師：Apple Swift coding 訓練師潘聖文(Michael)

公文與附件：

課程大綱：

一、3月21日：

二、4月18日：

AI 工具

AI 名詞大爆炸

  • Context & Memory

    在 AI 的世界裡，Context（上下文/語境） 與 Memory（記憶） 是決定 AI 能否像人類一樣進行「連貫對話」的兩大核心概念。雖然它們聽起來很像，但運作機制卻大不相同。

    1. Context (上下文 / 語境)

    Context 指的是 AI 在處理當前請求時，能夠「看見」並「考慮」的所有資訊。

    • 脈絡長度 (Context Window)： 這是 AI 的「工作記憶」上限。你可以把它想像成 AI 腦袋裡的「暫存區」。

      • 如果你給 AI 一本 500 頁的小說並問它結局，AI 必須擁有足夠大的 Context Window 才能同時「讀入」整本書。

      • 限制： 一旦對話內容超過了這個窗口的大小，AI 就會開始「遺忘」對話開頭提到的資訊。

    • 它是靜態的： 每一次你開啟新的對話，Context 就會歸零。AI 不會記得你昨天在另一個視窗跟它說過什麼。

    2. Memory (記憶)

    Memory 是指 AI 跨越單次對話、甚至跨越不同時間點，「持久保存」使用者偏好或歷史資訊的能力。

    在目前的 AI 發展中，Memory 通常分為兩種層次：

    A. 短期記憶 (Conversation Buffer)

    這是在單一對話視窗內，系統自動將之前的對話紀錄餵回給 AI，讓它記得你三分鐘前說過「我肚子餓了」。這本質上是利用了 Context 來模擬記憶。

    B. 長期記憶 (Long-term Memory / Personalization)

    這是更進階的功能（如 ChatGPT 的 “Memory" 功能）。

    • 它是動態的： 它會主動提取對話中的關鍵資訊（例如：你提到你對花生過敏、你偏好使用 Python 寫程式）。

    • 跨對話存在： 當你明天開啟一個全新的視窗時，AI 依然記得你的偏好。

    Context vs. Memory：形象化對比

    為了讓你更好理解，我們可以把 AI 想像成一個「圖書館管理員」：

    特性 Context (上下文) Memory (記憶)
    比喻 辦公桌的大小 圖書館的檔案櫃
    功能 決定管理員現在桌上能攤開多少本書來參考。 決定管理員下班後，還能不能記住你的名字。
    時效 桌面清空（對話結束）就沒了。 寫進檔案，下次你來他還記得。
    關鍵指標 Token 數量 (例如 128k Tokens)。 向量資料庫 (Vector DB) 或 關鍵點提取。
    為什麼這兩個詞最近常跟 MCP 或 Function Calling 一起出現？

    這就是技術結合的奇妙之處：

    1. Context 擴充： 透過 MCP (Model Context Protocol)，AI 可以從外部（如你的本地檔案）抓取更多資料塞進 Context 裡，讓它的「工作桌面」瞬間變得很豐富。

    2. 檢索增強生成 (RAG)： 這是一種結合技術。當 Context 放不下所有資料時，系統會去長期的 Memory (通常是向量資料庫) 裡搜尋最相關的片段，再精準地丟進 Context 供 AI 參考。

    簡單來說： Context 是 AI 「現在正在想什麼」；而 Memory 是 AI 「關於你，它記住了什麼」。

    關於這兩者的運作，你是對如何擴大 AI 的「工作桌面」(Context)，還是對如何讓 AI 擁有真正的「長久記性」(Memory) 更感興趣呢？

  • Function Calling

    在人工智慧（特別是大語言模型，LLM）的領域中，Function Calling（函數呼叫） 是一項突破性的技術，它賦予了 AI 連接外部世界的能力。

    如果說傳統的語言模型是一個被關在房間裡、只能依靠過去記憶（訓練資料）回答問題的「大腦」，那麼 Function Calling 就是給了這個大腦一套「工具箱」或「雙手」，讓它能夠主動透過外部工具來獲取最新資訊或執行任務。

    核心運作原理

    Function Calling 並不是指 AI 自己直接執行程式碼，而是 AI 具備了「理解何時需要使用工具，並給出正確指令」的能力。整個流程通常包含以下五個步驟：

    1. 定義工具 (Provide Tools)： 開發者在向 AI 提問時，會同時附上一份「可用函數列表」。這份列表會詳細說明每個函數的名稱、用途以及需要的參數（例如：有個函數叫 get_weather，需要提供 location 參數）。

    2. 使用者提問 (User Prompt)： 使用者問 AI：「台北今天天氣如何？」

    3. AI 判斷與輸出 (Model Decision)： AI 分析後發現自己的資料庫沒有今天的即時天氣，但它知道可以使用 get_weather 這個工具。於是，AI 會暫停生成一般對話，轉而輸出一串結構化資料（通常是 JSON 格式），例如：{"name": "get_weather", "arguments": {"location": "Taipei"}}。

    4. 系統執行 (Execution)： 開發者的應用程式接收到這串 JSON 後，真正在背後去呼叫氣象局的 API，並獲得結果（例如：25°C, 晴天）。

    5. 統整回覆 (Final Answer)： 系統將這個結果送回給 AI，AI 接著根據這個結果，生成自然流暢的人類語言回答使用者：「台北今天的天氣是晴天，氣溫約為 25 度。」

    為什麼 Function Calling 如此重要？

    在 Function Calling 出現之前，AI 有幾個致命的弱點，而這項技術完美地解決了它們：

    • 解決「幻覺」與「資訊過時」： AI 無法知道訓練資料截止日之後發生的事。透過 Function Calling，AI 可以隨時呼叫 Google 搜尋、新聞 API 或公司內部資料庫，提供最新、最準確的資訊。

    • 彌補數學與邏輯運算的弱點： 語言模型本質上是在「預測下一個字」，並不擅長複雜的數學計算。現在，AI 可以呼叫計算機程式 (calculator) 來幫它算出精確答案，而不是瞎猜。

    • 從「純聊天」進化為「採取行動」： AI 不再只能陪你聊天，它可以幫你寄電子郵件、在日曆上新增行程、甚至操控智慧家電（例如：呼叫 turn_on_lights 函數）。

    比較：有 / 無 Function Calling 的差異
    情境 沒有 Function Calling 的 AI 擁有 Function Calling 的 AI
    問：今天台積電股價多少？ 「我的資料只更新到 2023 年，無法提供今天的即時股價…」 (呼叫財經 API) 「今天台積電的收盤價為 XXX 元，上漲了 X%。」
    問：幫我訂明天下午兩點的餐廳。 「這是一個很好的主意！但身為 AI，我無法為您訂位…」 (呼叫訂位系統 API) 「沒問題，已經為您預訂完成，訂位代號為 12345。」
    問：54321 乘以 98765 是多少？ (AI 嘗試硬算，可能會給出一個看起來很像但完全錯誤的數字) (呼叫計算機函數) 準確回答：「5

  • MCP – 模型上下文協議 (Model Context Protocol) —— 目前 AI 領域最熱門

    如果您最近在關注 AI 發展，MCP 指的絕對是這個由 Anthropic（開發 Claude 的公司）在 2024 年底推出的開源標準。

      • 它是什麼： MCP 是一個標準化的連接協議，你可以把它想像成 AI 的「通用 USB 接口」。

      • 解決了什麼問題： 過去，AI 助手（如 Claude、ChatGPT）是被隔離在自己的世界裡的。如果你想讓 AI 讀取你的 Google Drive、本地電腦裡的程式碼檔案，或公司的私有資料庫，開發者必須為每一個工具寫客製化的串接程式碼。MCP 打破了這個限制，提供了一套統一的標準。

      • 運作方式： 它採用主從式架構（Client-Server）。AI 應用程式（如 Claude Desktop）作為「客戶端」，而連接各種資料源的程式稱為「MCP 伺服器（MCP Server）」。只要資料源支援 MCP，AI 就可以直接安全地讀取裡面的資料。

  • 提示詞：Xcode App x AI x MCP 進階實作

MCP 實作 1：用文字畫出流程圖

  • Excalidraw MCP 應用程式

    • https://excalidraw-mcp-app.vercel.app/mcp

MCP 實作 2：從 Stitch 設計稿到 AI 自動化開發

三、5月9日：

 

四、6月27日：

 

學習資源：

相關連結：

18 四月, 2026 | Category: 人工智慧AI, 程式設計研習

Comments are closed.