是 Oracle MySQL HeatWave 資料庫的證照，昨天考的、證照今天才發，分數又是一次…過關😅 主要在考 HeatWave 的多種複本 (replication) 模式 – HA, inbound replication, outbound replication, read replication, 也有基礎的 MySQL 問題。也有簡單的秒殺題，也有很多細緻的 DB 設定問題。 HeatWave 有針對 AI 而設計的功能，或許對我未來面對 AI 問題時會有所幫助👍 昨天連考 2 科，雖然分數都…，不過好在都過關了✌️

是生成式 AI 的證照，至於分數…有通過😅

昨天在 reddit 的 LLM 板更新自己的 AI 知識，我有些脫節了，去看看大家現在在玩什麼。才沒看幾篇就撈到寶 – 自行架設的 AI 寫程式代理 (self-hosted AI coding agent). 就是在本機的電腦上運行阿里巴巴開放的 LLM – 千問 (qwen) coder，再使用 qwen-code 的 AI coding agent 就能叫 AI 快速生成、修改 (vibe coding) 本機的程式碼！不用付費使用諸如 Anthropic Claude Code, OpenAI Codex CLI, Google Gemini CLI 等 coding agent 服務。 我照著網友的教學，很快就在本機架好 LM Studio + Qwen 3 Coder LLM + qwen-code…

這張是資料工程的證照。這領域對我來說頗有難度的，因為一來我不是學資訊工程、資訊管理出身的。二來課程內容非常硬核，探討非常細，如一台資料庫伺服器要放哪、要用什麼規格、要怎麼管理、有多少功能、有幾種授權、安全性、高可用性、…。還有資料管理領域知識（我的知識盲區），如結構、少結構、無結構資料適合的資料庫、OLTP 與 OLAP 的各自優勢、…。 我的分數是低空過關，就不貼出來了😅 不過我覺得這張證照也很不錯，有學到很多東西，並且與 AI 資料處理有相關，未來也許用得上。

Retrieval augmented generation (RAG) 這項技術是我 4 天前（10/11）在考 OCI AI 證照課時所學到的一項技術，不過我當時只學觀念，並沒有實作、不也懂得如何做。 昨天在滑手機時，意外看到一篇文章在推廣 RAG 的教學，而且講者還是一位研究生，真是英雄出少年啊。我自忖不是學 AI 出生，可能要跨進 AI 的領域不容易，想分一杯 AI 𡙡可能不行 但我想起過去初見現代 AI 強大時，所下的評語：現代 AI 輔助能讓非專業人員降維打擊人類專家！ 所以我就用 ChatGPT 寫了一支 RAG LLM 的智能客服 app，大約不到幾分鐘就寫好了！好在我過去也有學一些現代 AI 工具/技術，所以會調校這個 AI 程式。調了 1 天，總算得出一個自己滿意的作品。 圖片 demo 我的作品，它是一款”智能客服”，可以輸入問題，後端 Python 程式會利用語意相關性從技術支援 DB 抓相關資料，再使用 Deepseek-R1 LLM 對問題及相關資料作出答覆。 我覺得這作品仍只是”玩具”等級，不足以成為商用產品，仍須大量驗證生成內容的準確度。不過已讓我跨進學 (AI) 以致小用的門檻了 程式碼在此： https://github.com/MrMYHuang/demo_rag.git

朋友推薦考的 Google Gemini Certified Eudcator (AI) 證照。 從看到訊息，到考取證照，大約花了 3 小時。不過我之前慣用的 AI 不是 Gemini，所以答題沒有很快，不過最後還是通過了 考照網址：https://educertifications.google/

又拿到證照了 – Oracle OCI AI Foundations Associate 這次拿的是 AI 證照，分數還不錯，98 分。我拼了 1 天的時間看教學影片，然後只做完模擬考題，就直接正式考試。 我覺得這課程還不錯，有很廣泛的介紹目前的 AI 技術，與淺顯的解釋各種 AI 技術的原理。不過也有很硬核的技術內容（要考的人不要因此昏了頭），及 Oracle 自家的 AI 產品（推銷！？） 想考的人可以到這： https://mylearn.oracle.com/ou/learning-path/become-a-oci-ai-foundations-associate-2025/147781

記錄昨天花了一天時間考的 Oracle 雲端基礎證照。 是免費的線上考試，可能含金量不高，但擁有它，多少可以騙吃騙喝（！？） 我打算再多考幾張。

近來我常看到 AI 領域一直出現一個名詞 – MCP (model context protocol)。起初看到時，只有稍微查了一下，沒看懂就沒再研究下去😅 但這名詞卻一再出現，再次引起我的好奇研究了一下。這次我終於了解 MCP 的一些價值所在。我先不從 MCP 的運作面來看，而是從實際的問題面來看它的價值。 過去大家在使用 LLM 的 AIs，如 ChatGPT, Gemini, Claude, …, 所能做的應用僅限於這些廠商有提供的。比如在 ChatGPT 輸入提示詞，可以請它創作、寫程式、畫圖，頂多還有一個 GPT Store 可以在其中找許多特定應用，但它們的應用仍限於 ChatGPT 所建立的封閉生態系，難以擴展”更廣”的軟體應用。 那我說的”更廣”有多廣？我今天了解 MCP 後才知道它能觸及多廣的軟體！基本上目前能與任何桌機程式或遠端程式都能串連（手機、平板較為封閉，可能還不行）。 比如寫了一支氣象程式，並且實作 MCP server，使用者就可以透過 LLMs 用自然語言去控制它。比如請它查某地的氣溫。我舉這個控制”氣象程式”沒什麼實用價值（因為我暫時想不到更有創意的😅 如果我想到了，我也不會講，先自己開發出來再說😆），但只是要說明 MCP 帶來的軟體串聯功用。至於 LLM AIs 串什麼軟體工具，能達到驚人的創舉，就看大家的創意。如果我想到了，我就先去發財了！？😆 MCP 本身不是什麼高深的程式技術，但它的重要性在於連結 LLM AIs 與廣大的軟體工具。它的誕生也多虧於現今足夠智慧的 LLMs。現今 LLMs 懂得如何使用軟體工具，它可以將你的自然語言轉換成 MCP servers 懂的操作語言，執行指定的軟體！ LLMs…

最近 AI 很紅，紅到在 YouTube, Podcast 上三不五時就來個 AI 主題。為什麼 AI 這麼迷人？因為 AI 可以透過學習，模仿人類，如演講、繪圖、寫歌、…。如果模仿的準確度高的話，就可能取代人類😱🥲 – 人工作會累容易出錯，機器幾乎不會。 AI 浪潮來襲，雖然我只是個門外漢，但多少也想分杯羹😆看見 YouTube 上有些專家在分享如何”行雲流水”般的用 AI 輾壓式的解決一些問題，如寫 AI 程式玩遊戲，結果 AI 練到遊戲關卡一個個被完全輾壓😱 而我感覺到這”行雲流水的操作”就很有意思了，它似乎透露要寫這麼一個 AI 程式，現有的網路資源比以前容易取得、達成目的！因此我覺得我應該也能在幾天的時間內寫出一支 AI 程式，為自己開闢能設計 AI 以解決問題的能力。 我參考的一部 YouTube 影片教學是寫強化學習 (reinforcement learning, RL) AI 玩遊戲。雖然影片略過一些細節演算法與實作，但大致上是利用 ChatGPT 生成一支 Python pygame 的遊戲原始碼，再用 ChatGPT 生成一支 Python OpenAI gym 的 RL 樣版程式碼，再將兩者接起了以達成 AI 自我學習玩遊戲的訓練程式。 我也依樣畫葫蘆先用…