L122 生成式 AI 應用領域與工具使用
完成後你能：分辨 Zero-shot、Few-shot、CoT、ToT 與 RAG 各適合什麼情況，說出 MCP 解決什麼問題。
這個單元約 15 分鐘：讀重點，練 2 題，再用 3 題沒做過的題目驗證。
- 讀重點
下方的白話重點與例子 - 練 2 題
- 驗證 3 題
步驟 1・讀重點
先看懂這些
Prompt 技術層次
- Zero-shot / Few-shot / One-shot
- CoT：讓模型逐步思考（適合線性推理）
- ToT：樹狀探索多條路徑（適合難題）
- Graph Prompting：知識圖譜引導推理
- RAG：外部資料庫 + 檢索增強生成
工具生態（115 年更新）
- MCP：AI 工具整合的標準化協議
- Cursor：AI 輔助程式開發 IDE
- GitHub Copilot：VS Code 內的 AI 助理
- Context Engineering：最大化 context window 效益
考試陷阱
- MCP 誤解為單純 API 整合：MCP 是標準化工具介面協議，讓 AI 助理統一呼叫外部工具
- CoT vs ToT 適用場景：CoT 適合線性推理，ToT 適合多路徑搜尋（如難題分析）
- RAG vs Fine-tuning：RAG 是檢索增強（不改模型權重），Fine-tuning 是修改模型本身