Doc

.github/workflows/test-deploy.yml

@@ -17,10 +17,10 @@ jobs:
           fetch-depth: 0
       - uses: actions/setup-node@v4
         with:
-          node-version: 18
+          node-version: 24
           cache: yarn
 
       - name: Install dependencies
         run: yarn install --frozen-lockfile
       - name: Test build website
-        run: yarn build
+        run: yarn build

docs/ai/00_intro.md

@@ -0,0 +1,50 @@
+---
+title: AI Overview
+sidebar_label: Overview
+keywords: ["AI"]
+description: "AI Overview"
+sidebar_position: 0
+tags: ["AI"]
+---
+
+## 前言/引言
+
+這幾年不管是身在哪個領域，或是任何得職業，可能每天都會聽到「AI」和「LLM」這兩個詞，它們似乎無所不在，從智慧手機的語音助理到自動生成文章的工具，好像已經變成生活中不可或缺的一部分!?
+
+但它們究竟是什麼？彼此之間有什麼關係？
+
+## **人工智慧（Artificial Intelligence, AI）**
+
+**AI** 是一個廣泛的電腦科學領域，致力於創造能夠執行通常需要人類智慧的任務的機器，例如學習、推理和解決問題，這個領域涵蓋了所有能讓電腦展現「智慧」的方法。
+
+:::info
+
+:::
+
+![](img/2025-11-11-14-43-27.png)
+
+### 機器學習（ML）
+
+ML 是 AI 的子集 (subset)。與其為機器的每一步都編寫詳細的規則，ML 讓機器**從大量的數據中自動學習**。就像人類從經驗中學習一樣，機器從數據中「吸取經驗」，進而理解 文字/語音 的涵義。
+
+- **簡單來說：** ML 是 AI 的一個子集，專注於「從數據中學習」。
+- **例子：** 電子郵件的垃圾郵件過濾器（它從大量郵件中學會辨識垃圾郵件的特徵）、影音平台的推薦系統（它根據您的觀看歷史推薦您可能喜歡的內容）。
+
+### 深度學習（DL）
+
+DL 是 ML 的一個子集。它使用一種稱為「人工神經網路」的架構，其靈感來自於人腦的結構。所謂的「深度」，指的是這些神經網路通常有很多層，使其能夠處理更複雜的模式和更抽象的資訊。
+
+傳統的機器學習中，學習過程是受監督的，程式設計師必須非常具體地告知電腦它應該尋找哪些類型的特徵，以便判斷；深度學習的優勢在於程式能夠在無監督的情況下自行建構特徵集。
+
+- **例子：** 手機的人臉辨識解鎖（它從無數張臉孔圖片中學會了辨識您的臉）、醫療影像分析（輔助醫生從 X 光片中識別病灶）。
+
+### 大型語言模型（LLM）
+
+語言模型 (LM) 是一種自然語言的機率模型，能夠根據其訓練的文本語料庫，產生一系列單字的機率。
+
+LLM 是**深度學習的一種具體應用和產物**，專門用來處理和生成**人類語言**。它們透過在海量（「大型」的由來）的文本數據上進行訓練，利用深度學習的「轉換器（Transformer）」架構，學會了語法、語義、上下文，甚至一定程度的推理能力。
+
+- **例子：** ChatGPT、Google Gemini 等聊天機器人（能夠與您流暢對話、回答問題）、程式碼自動完成工具（能夠理解您的意圖並生成程式碼）。
+
+## Reference
+https://blog.miarec.com/contact-centers-ai-definition  

docs/ai/_category_.json

@@ -0,0 +1,7 @@
+{
+  "label": "LLM",
+  "position": 1,
+  "link": {
+    "type": "generated-index"
+  }
+}

docusaurus.config.js

@@ -146,6 +146,12 @@ const config = {
             position: 'left',
             label: 'DevOps',
           },
+          {
+            type: 'docSidebar',
+            sidebarId: 'aiSidebar',
+            position: 'left',
+            label: 'AI',
+          },
           {to: '/blog', label: 'Blog', position: 'right'},
           {
             type: 'dropdown',

package.json

@@ -14,22 +14,22 @@
     "write-heading-ids": "docusaurus write-heading-ids"
   },
   "dependencies": {
-    "@docusaurus/core": "^3.5.1",
-    "@docusaurus/plugin-google-gtag": "^3.5.1",
-    "@docusaurus/preset-classic": "^3.5.1",
-    "@docusaurus/theme-live-codeblock": "^3.5.1",
-    "@docusaurus/theme-mermaid": "^3.5.1",
-    "@mdx-js/react": "^3.0.0",
-    "clsx": "^2.0.0",
-    "prism-react-renderer": "^2.3.0",
-    "react": "^18.0.0",
-    "react-dom": "^18.0.0",
+    "@docusaurus/core": "^3.9.2",
+    "@docusaurus/plugin-google-gtag": "^3.9.2",
+    "@docusaurus/preset-classic": "^3.9.2",
+    "@docusaurus/theme-live-codeblock": "^3.9.2",
+    "@docusaurus/theme-mermaid": "^3.9.2",
+    "@mdx-js/react": "^3.1.1",
+    "clsx": "^2.1.1",
+    "prism-react-renderer": "^2.4.1",
+    "react": "^19.2.0",
+    "react-dom": "^19.2.0",
     "rehype-katex": "7",
     "remark-math": "6"
   },
   "devDependencies": {
-    "@docusaurus/module-type-aliases": "^3.5.1",
-    "@docusaurus/types": "^3.5.1"
+    "@docusaurus/module-type-aliases": "^3.9.2",
+    "@docusaurus/types": "^3.9.2"
   },
   "browserslist": {
     "production": [

sidebars.js

@@ -29,6 +29,7 @@ const sidebars = {
       items: [{ type: 'autogenerated', dirName: 'architecture-pattern' }]
     }],
   devOpsSidebar: [{ type: 'autogenerated', dirName: 'dev-ops' }],
+  aiSidebar: [{ type: 'autogenerated', dirName: 'ai' }],
   techSidebar: [
     {
       type: 'category',