All Posts

把真實訂單數據搬上螢幕：一支 FastAPI Summary API + Next.js Proxy + Recharts 四圖表，打造鞋墊廠專屬 ERP 儀表板。品牌營收、廠區稼動率、毛利率警示、訂單狀態一覽無遺。

讓前端真正「看見」AI 在思考：FastAPI StreamingResponse + Next.js Route Handler Proxy + React SSE 消費，全端串接一次打通。同時加入 Mode B 辯論結果展示 UI。

Mode A 單一 Agent 會說「我建議…」；Mode B 的三個 Agent 會先吵一架再告訴你答案。本篇實作 LangGraph StateGraph：業務、生管、財務三角辯論，財務否決條件路由，總經理最終仲裁。

從設計圖到真實程式碼。本篇完整實作 Day 20 規格書中的 Mode A 單一決策 Agent：Pydantic AI + FastAPI 五層架構全部串通，並說清楚前後端為何必須分離、API 如何成為唯一橋樑。

有了強大的後端 Agent 大腦，我們需要一個相稱的舞台。本篇文章我們將脫離單純的聊天視窗，探討如何利用開源的 next-shadcn-dashboard-starter 打造出具備前後端分離、高度視覺化的企業級戰情室。

相同的問題，不同層級的主管想看的重點完全不同。本篇文章帶你進入第 2 層「User Context / Memory Layer」，透過注入使用者特徵與偏好設定，讓 AI Agent 展現真正的職場讀心術。

延續五層式架構，本篇帶你實作第 3 層「Agent Tool Layer」。我們將示範如何為不同的業務需求（毛利分析、訂單預測）編寫獨立的方法，並透過強型別與 Docstring，完美封裝成 AI Agent 專用的工具。

在正式撰寫 Agent 程式碼之前，我們需要一份嚴謹的「系統規格書」。本篇文章定義了鞋墊廠訂單決策系統的目標、雙模式決策機制（直接決策 vs 多人討論），以及核心的技術選型與架構圖。

延續鞋墊廠訂單專案，這篇文章我們將使用 FastAPI 為 PostgreSQL 建立一層 REST API，將關聯式資料庫的查詢結果轉換為標準的 JSON 格式，為 AI Agent 的串接做好萬全準備。