學習專案：LocalAIAgentAPI - 從零開始的 AI 整合練習
這週挑戰自己整合多個 AI 模型，順便為面試準備一些實戰經驗。雖然是練習專案，但收穫比想像中還要多。
學習目標
作為一個正在準備面試的開發者，我給自己設定了一個挑戰：
能不能在一週內整合多種 AI 模型，做出一個像樣的測試平台？
說實話，一開始我也不確定能做到什麼程度。但想說既然要學，不如就設個有挑戰性的目標：
- 練習 .NET 8 的新特性
- 熟悉 AI 模型整合的流程，這應該是未來的趨勢
- 為面試準備一些能拿出手的作品
- 順便踩踩坑，累積一些真實的開發經驗
結果沒想到，這個學習過程遠比我預期的有趣。每天回家寫 code，看到專案從無到有的感覺真的很讚。
LocalAIAgentAPI
這個專案基本上就是我這週學習筆記的具現化。我想透過實作來理解一些平常只能紙上談兵的問題：
怎麼在 .NET 中整合不同類型的 AI 模型？每個模型的 API 都不一樣，要怎麼設計統一的介面？REST API 的架構要怎麼設計才不會讓未來的自己想哭？前端跟後端的資料交換有哪些眉角？錯誤處理和日誌記錄該做到什麼程度？
雖然是練習專案，但我還是盡量按照真實專案的標準來做。
Building
這一週下來，我大概涉獵了這些領域：
後端架構：.NET 8 Web API、依賴注入、Middleware
老實說，之前對 .NET 8 的依賴注入只是停留在「知道有這個東西」的階段，實際動手做才發現它比想像中強大很多。
AI 整合：Ollama LLM、ONNX 圖片分類、Tesseract OCR
每個模型的整合方式都不太一樣，這讓我對「統一介面設計」有了更深的體會。
API 設計：RESTful API、輸入驗證、回應格式統一
如何讓不同模型的回應格式保持一致，這個問題比我想的複雜多了。
前端互動：簡單的 HTML/JS、檔案上傳、即時回應
雖然前端不是我的強項，但現在有很多非常好用的 AI 工具 像是ChatGPT、Claude等，都協助我設計好的UI和功能。
測試工具：Swagger 整合、API 測試
Swagger 真的是開發者的好朋友，設定完就有完整的測試介面。
錯誤處理：全域異常處理、Timeout 機制
踩了不少坑，但也學到如何優雅地處理各種意外狀況。
Problems
一週要整合這麼多東西，當然會遇到一些讓人頭痛的問題：
模型載入失敗：一開始 LLAMA2 模型老是載入不起來，debug 了半天才發現是Ollama路徑的問題。
回應時間過長：某些 LLM 推理需要很長時間，一開始沒設 Timeout，結果前端就一直等等等。體驗直接崩潰。
資料格式轉換：不同模型的輸入輸出格式差異很大，光是設計統一的 API 介面就花了不少時間思考。
圖片處理：從前端上傳圖片到後端處理，編碼的部分搞了我一陣子。有些知識真的要實作過才會印象深刻。
不過每解決一個問題，就覺得又成長了一點。這大概就是寫 code 最爽的地方吧。
Learning
技術層面
對 .NET 8 的依賴注入和 Middleware 機制有了更深入的理解。之前都是看文件學習，實際用過才知道哪些地方容易出錯。
了解了不同 AI 模型的整合方式和各自的限制。每種模型都有自己的脾氣，要花時間去摸索。
練習了 API 設計和錯誤處理的一些最佳實踐。雖然還不敢說做得很好，但至少知道該注意什麼。
熟悉了前後端資料交換的完整流程。之前都是分別學習，這次算是串起來了。
軟實力
問題解決能力：遇到問題時如何有效地搜尋資料、閱讀文件、測試假設。
學習方法：如何在有限時間內快速掌握新技術的核心概念。
架構思維：開始思考如何設計可維護、可擴展的系統架構。
這個專案
我會誠實地說：「這是我為了學習 AI 整合和準備面試而做的練習專案。功能相對簡單，但我把重點放在架構設計和程式碼品質上。」
- 為什麼選擇這些技術組合？各有什麼優缺點？
- 開發過程中遇到的最大挑戰是什麼？如何解決的？
- 如果要將這個專案擴展成正式產品，需要加強哪些部分？
- 從這次經驗中學到最重要的一課是什麼？
我覺得展現學習態度和解決問題的思路，比專案本身的完成度更重要。
Next Week！
這個專案讓我嚐到了甜頭，也發現了很多可以改進的地方：
程式碼重構：有些地方寫得匆忙，想練習如何重構成更乾淨的程式碼。
容器化部署：嘗試用 Docker 打包，體驗現代化的部署流程。
專案原始碼
GitHub Repo: reedlin2002/LocalAIAgentAPI
重要提醒：這是我的學習練習專案，程式碼品質可能還有很大改進空間，絕對不建議直接用在正式環境中。但如果你也在學習相關技術，歡迎參考或給我一些建議。
如果發現任何問題或有改進建議，也歡迎開 Issue 讓我學習。畢竟一個人閉門造車很容易有盲點。
每週挑戰一個小專案，慢慢累積實戰經驗。雖然距離真正的高手還很遠，但至少在正確的路上前進。