摘要

Aralia 數據生態系由無限數量的去中心化 Aralia Data Planet（資料星球）所構成，這些星球是在網路上彼此獨立的資料物件。Aralia Data Planet 會將多樣的實體封裝成個別的資料物件，並形成一個可開放延展、星球間可互通的生態系，以產生綜效性的洞見。

Aralia AI 是 Aralia 數據生態系中的核心模組，能隨時隨地為使用者帶來智慧且可互動的應用。

Aralia AI 結合大型語言模型（LLM） 與 規則式代理（Rule-Based Agent） 架構，提供語意化的對話介面，使用者無需技術背景即可對Data Ecosystem 進行數據探索、問答、情境分析與自動化推論。

Aralia AI 的目標是讓 「每一份資料都能開口說話」，進而提升數據洞察的有效性與決策效率。

學習目標

• 認識 Aralia AI 的定位與工作原理
• 學會以口語方式與 AI 互動，快速獲取洞見
• 在 Colab 環境中以完成一次完整Aralia AI Tools (SDK) 運作流程
• 瞭解 Aralia AI Tools (SDK) 與 LangGraph 的基礎流程設計
• 為進階 AI 工具開發與教學應用奠定基礎

學習摘要

教學目的

快速開始

基礎概念

前置準備

用 Colab 執行

自建 AI 工作流

🔌數據星球 API

完成本教學後，你可以

• 跟 AI 對話，問到 Insight → 完成一次語意查詢與回答，含來源列與限制說明。
• 線上 Lab 實作 → 在 Colab 中上直接跑完整SDK流程運用，其中可實作編輯少量參數、自訂 Prompt，直接體驗操作結果。
• 課程教學 → 能將問題放入範例題庫，一鍵重跑，利於課堂使用與成果復現。
• 展開 AI 工具開發旅程 → 開始嘗試運用 Aralia AI Tool打造屬於自己的Agent服務。

適用對象

1. 需要透過數據搜尋與分析的使用者
2. 具備 Python 開發經驗者
3. 對 AI 開發有興趣的學習者或團隊成員

不適用對象

1. 對數位資料與數據概念尚不熟悉者
2. 想從零開始學習 Python 程式語言者
3. 想學習如何從頭開發 LLM 應用者

下一章：教學目的 →