《Node.js生成式AI應用開發實戰》：從探索到落地的生成式 AI 開發實踐
這本書，比較像是一段學習歷程的整理
新書即將出版，這本書對我來說，更像是一段時間累積而來的學習歷程。
過去一年，我把大部分時間投入在生成式 AI 的探索上。從一開始呼叫 API，到逐漸理解模型的特性與限制，也開始嘗試不同框架、實作各種應用場景。過程中踩了不少坑，也留下了許多零散的筆記與實驗結果。
這些內容在反覆整理與驗證之後，慢慢形成一條相對清晰的學習脈絡，最後成為這本書的基礎。對我來說，它不只是知識的整理成果，更是一段持續試錯、逐步建立技術觀點的過程。
如果你也正在學習生成式 AI，或正在摸索如何將它應用在實務場景中，也許其中的一些經驗，能提供你一些參考。
一開始，其實沒有那麼多規劃
回頭看，整個過程其實沒有一個明確的起點。比較像是在某個時間點開始，意識到這個領域的重要性，然後就一路往下走。
最初的嘗試其實很直覺，只是想確認這些模型在實際應用中可以做到什麼程度。但很快就會發現，問題不在於「能不能做」，而是在於「做到什麼程度之後，才算真的能用」。
這個差異，在 demo 階段不明顯，但一旦開始嘗試把東西接進實際系統，就會變得非常具體。
當系統開始出現結構
隨著實作的內容逐漸增加，原本單一的功能會慢慢演變成一個有結構的流程。從單次回應，到需要維持對話脈絡；從單純生成內容，到必須結合既有資料；再到多個步驟之間的串接與控制。
在這個過程中，會開始面對一些比較本質的問題。例如，模型輸出的不確定性該如何被控制，哪些邏輯應該交給系統處理，哪些部分才適合交給模型，或者在什麼情境下，引入外部資料（例如 RAG）才是合理的選擇。
這些問題沒有一個標準答案，但在反覆嘗試之中，會逐漸形成一些相對穩定的做法。也讓整個開發過程，從單純「把功能做出來」，轉變為「如何讓這些功能在現實環境中運作」。
筆記與整理，變成過程的一部分
隨著嘗試的內容變多，另一個明顯的變化是，記錄開始變得不可或缺。
許多問題會以不同形式反覆出現，而一些看似可行的設計，在不同情境下可能會失效。如果沒有留下過程，很容易在一段時間後再次回到同樣的起點。
因此，後來的習慣變成在每一次嘗試之後，都試著把決策過程記錄下來。這些記錄不只是結果，也包含當時的假設、替代方案，以及最後選擇某種做法的原因。
當這些筆記逐漸累積之後，其實會開始看到一些共通的模式。例如，有些問題其實不需要複雜的架構就能解決，而有些設計在抽象化之後，反而會增加理解與維護的成本。
從工具到問題本身
在這段過程中，一個比較關鍵的轉變，是關注的重心從工具轉移到問題本身。
一開始學習時，很容易把焦點放在框架或工具上，試圖理解它們能做什麼、該怎麼用。但隨著經驗累積，會慢慢意識到，工具只是其中一個面向，真正需要釐清的是問題本身的結構。
在某些情境下，引入抽象層是有幫助的，但在另一些情況下，過度抽象反而會讓系統變得更難掌控。這些取捨，通常不會在工具文件中出現，而是需要透過實際經驗慢慢建立。
這樣的思考方式，也影響了書中內容的安排。比起單純介紹工具，我更傾向整理在不同情境下的選擇方式，以及這些選擇背後的考量。
整理，比學習更困難
將這些內容整理成一個有結構的形式，其實比學習本身更花時間。
許多原本只是直覺的理解，在試圖寫下來時，會被迫重新檢視。某些看似合理的結論，需要再做一次驗證，確認它不是來自於特定條件下的偶然結果。
這個過程某種程度上，是把原本模糊的經驗，轉換成可以被他人理解與重現的內容。也讓一些原本沒有被意識到的問題，變得更加清楚。
關於這本書
如果要說這本書在做什麼，我比較傾向把它看成是一條學習路徑的整理。
從最基礎的模型呼叫開始，逐漸延伸到如何建立穩定的流程，如何讓模型與外部資料互動，最後再到較為複雜的決策與任務處理。這些內容本來是分散的，但在整理之後，形成了一個相對連續的脈絡。
這並不是唯一的路徑，但至少是在這段時間內，我認為相對可行、也比較容易落地的一種方式。
最後
對我來說，這本書並不是一個完成的結果，而是一個階段性的整理。
它記錄的是某一段時間的理解，以及在那個時間點，我對這個領域的看法。未來技術一定會持續變化，現在的做法也可能需要被調整。
但至少在這個階段，這些經驗被系統性地整理下來了。
如果你剛好也在這條路上，也許其中有一些片段，會對你有所幫助。
