超越 Vibe Coding｜從寫程式到AI協作開發

🚀 從「學寫程式」進化到「與 AI 一起開發」 Google工程領袖Addy Osmani帶你掌握AI協作開發的實務方法，從程式生成到產品落地，建立面向未來的軟體工程思維。 ✦ 來自業界專家的推薦 ✦ 「AI正在改寫軟體工程的遊戲規則，本書正是每一位現代軟體工程師都需要的實用指南。Addy Osmani示範了如何將AI原始而強大的程式開發能力轉換為深思熟慮的可靠產品，並協助讀者在擁抱這股推進力的同時，仍可兼顧系統的穩定性、可維護性與長期價值。」 ——Sergio Pereira，兼職CTO、《Generative AI for Software Development》作者 AI正在改變軟體開發的樣貌，使程式設計師的角色從親自撰寫程式碼，轉變為透過意圖驅動、與AI協作的開發模式。Vibe Coding（氛圍式程式開發）——一種提示優先的探索性方法，開發者只需用自然語言描述需求，接著就讓大型語言模型補齊細節。這代表著開發者角色的重大轉變：從編寫程式碼變成引導程式碼。然而，Vibe Coding也伴隨著一個重要的警示：就像一輛高速探索載具，它可能在短時間內就把你帶離既定路線。本書將深入探討GitHub Copilot、OpenAI Codex這類AI驅動的程式助理，如何重塑我們以往打造軟體的方式——不只能將例行的程式任務自動化，甚至開始影響系統架構與設計決策。 本書將為開發者、技術主管與組織提供一套有效導入AI至工作流程的實務策略。你將學會如何為AI設定清楚的目標與限制條件、批判性審視AI所產生的程式碼，並將這些成果整合成一致且可運作的整體。無論你是正在導入AI工具，還是為軟體工程的未來做準備，本書都能透過豐富的見解與實作範例，協助你持續精進技能，從容面對不斷演進的技術環境。 本書精彩內容： • 理解AI輔助開發如何重塑程式設計的樣貌。 • 掌握精煉、驗證與除錯AI產生程式碼的技巧，並理解大型語言模型生成結果的錯誤方式與原因。 • 探索多代理程式開發系統與AI驅動的軟體開發工作流程。 • 適應AI在開發流程中日益重要的定位，為你的職涯做好長期準備。

RAG錦囊妙計：使用Python｜從資料預處理到LLM Agents的實用訣竅

在各大企業爭相挖掘大型語言模型（LLM）的潛力之際，有一個關鍵難題也開始浮現：如何將這些工具接到即時的外部資料，進而解決實際的問題？ 檢索增強生成（RAG）就是這個難題的解方。RAG 結合 LLM 與資訊檢索技術，可讓你打造各式應用，包括聰明的聊天機器人，乃至於自動執行任務的智慧 agent。 本書收錄超過 70 個實戰訣竅，帶你透過結構化的實際練習，一一克服生成式 AI 的應用場景。作者 Dominik Polzer 將提供所有工具，協助你為特定的業務需求設計、部署、優化 RAG 系統。無論是處理基本的資料檢索，還是開發尖端的自主代理，這本書都能讓你站在技術最前線。 • 掌握 RAG 的核心元件，包括 embedding、檢索、生成…等關鍵技術。 • 運用進階工作流程，包括語意感知分段（semantic-aware chunking）與多查詢句提示（Multiquery prompting）。 • 為特定資料需求打造自己的解決方案，例如聊天機器人與自主 agent。 • 持續評估與優化系統，以提升準確性、相關性與效能。

打造工程策略｜在技術取捨中做出關鍵決策

Amazon 4.5★、goodreads4.3★ 讀者好評 「這正是我要找的理論與實務結合的絕佳合集。」 「非常詳盡，隨著職業生涯的發展學習。」 本書聚焦於軟體組織如何建立與落實工程策略，說明工程決策如何與企業目標、產品路線與團隊文化整合。作者從策略制定、技術投資取捨、工程效率提升到跨團隊協作，提出一套可實踐的方法論。書中以實務案例解析企業如何在技術債、系統擴展與創新速度之間取得平衡，並提供具體的策略思考框架與評估指標。相較單純技術書，本書更偏向工程管理與技術領導，適合技術主管、架構師及資深工程師理解如何透過策略規劃提升組織整體競爭力。對正面臨數位轉型或技術規模成長的團隊，具有高度參考價值。 ---------------------------------------- 許多工程師以為自己的組織沒有工程策略，但事實上，策略通常存在，只是沒有發揮作用。Will Larson 在本書中，以豐富的實例為基礎，提供一套結構化的方法，帶領讀者穿越技術與組織的複雜迷霧，打造真正有效的策略。 本書適合資深工程師、工程主管、架構師，以及對策略思維感興趣的所有技術工作者。全書涵蓋從診斷問題到策略推行的完整流程，並以Stripe、Uber、Calm等知名企業的真實案例為核心，深入剖析系統遷移、API 淘汰、平台投資…等關鍵決策背後的思維脈絡。你不僅能學到技術規劃的方法，更能掌握溝通、治理與系統思考的實戰技巧。無論你是帶領團隊方向的工程師，還是推動全公司變革的決策者，本書都能幫助你做出經得起時間考驗的決策。 • 從第一原理出發，建立經久耐用的工程策略 • 應用Wardley圖與系統模擬等方法 • 無論你是Staff級以上工程師或高階主管，都能找到適合的策略切入點 • 從詳細的跨產業案例研究中學習真實教訓 • 循序漸進提升策略素養與組織影響力

圖解生成式AI｜一次搞懂AI如何繪圖、寫作與協作

✦ 來自業界專家的推薦 ✦ 「當你與同事及客戶合作時，熟悉生成式AI是核心職能之一。本書透過簡明的圖表來解釋生成式AI的基本概念、用法，以及實際影響力，是專為初次接觸AI的領導者與高階主管而設計的快速入門指南。」 —— Eliot Danner，Google常務董事 生成式AI（GenAI）具備改革商業流程的潛力，但許多工作者還在探索如何建構、優化、撰寫提示詞以善用GenAI工具來滿足需求。此外，在使用GenAI時也有一些陷阱必須避免，例如安全風險與幻覺。你必須看穿這項技術的能力與侷限，才能做好工作。這本平易近人的指南，將透過一場饒富趣味的旅程，協助各種程度的讀者掌握GenAI。 本書提供大量吸引人的圖表與插圖，無論你是好奇的IT專業人士、渴望掌握最新技術的商業領導者、正在探索雲端運算與AI職涯的學生，還是期待接觸GenAI的任何人，這本書都是完美的起點。你將遍訪生成式AI的全貌，探索這項技術如何運作，以及各企業與組織成功運用它的各種秘訣。 • 瞭解生成式AI的演進歷程，並聚焦於重大的突破 • 熟悉可用來執行GenAI任務的各種工具與平台 • 檢視實務應用場景，例如聊天機器人與工作流程自動化 • 學習可在後續GenAI旅程中持續延伸的基礎知識

從AI Agent到多代理人系統設計｜架構規劃與應用開發

「這是關於建構 AI 代理人系統最棒的單冊入門指南——你可以去讀數百篇論文，或是只讀這一本書。」 ——Arun Rao，Meta GenAI前團隊成員，UCLA 兼任教授 生成式 AI 已經徹底改變了組織解決問題的方式，加速了從概念、原型到解決方案的旅程。隨著模型變得越來越強大，我們見證了一種新的設計模式出現：AI 代理人。透過將工具、知識、記憶與學習，跟先進的基礎模型結合在一起，我們現在可以將多次模型推論串接起來，藉此解決定義模糊且困難的問題。從編寫代理人程式碼、研究代理人到分析代理人等等，我們已經看到代理人加速了團隊與組織的運作。雖然這些代理人提升了效率，但它們通常需要廣泛的規劃、草擬與修改才能完成複雜的任務，而且對許多組織來說，部署它們仍然是一項挑戰，尤其是在技術與研究快速發展的當下。 在這個錯綜複雜且快速演進的領域中，本書是你不可或缺的指南。作者 Michael Albada 提供了一套結合實務與研究的方法，用於設計與實作單一代理人及多代理人系統。本書簡化了其中的複雜性，並提供所需的工具，讓你能更高效將概念轉化為實際解決方案。 • 了解由基礎模型驅動的 AI 代理人所具備的獨特功能 • 探索 AI 代理人的核心元件與設計原則 • 探討設計上的權衡取捨，並實作有效的多代理人系統 • 設計並部署量身打造的 AI 解決方案，促進你所在領域的效率與創新

軟體開發身分安全實務｜開發人員必須掌握的最佳做法

打造預設即安全的軟體系統！ 從身分驗證、授權到機密與憑證管理，一次掌握現代軟體開發的身分安全最佳做法。 機密資訊、身分憑據與機器身分的安全管理，是現代軟體開發過程極為重要的一環，然而卻常被輕忽。DevOps安全往往偏重在漏洞修補，反而忽略了身分驗證、授權及存取控制等重要議題，以致在無意間為資安入侵開啟一扇大門。想要真正發揮保護作用，從專案一開始就該將「身分安全策略」整合到程式碼、基礎架構與各種環境裡。 本書以實務為導向，作者John Walsh、Uzi Ailon和Matt Barker藉由提供概念性框架、技術總覽及實用的程式碼範例，協助讀者彌合軟體開發、IT與資安之間的落差，讓穩固的身分安全機制全面整合至應用程式、CI/CD管線、Kubernetes，以及雲端原生、混合雲與多雲環境、流程自動化、IoT等各種應用情境中。 讀者可從本書學到： • 開發人員在建構更安全應用程式時，必須瞭解的機密資訊與身分管理等關鍵知識。 • 什麼是機器身分、機密與身分憑據，以及如何保護它們。 • 如何保護軟體供應鏈，以建構更安全的應用程式。 • 如何將身分安全融入現代軟體開發實務。