第一次學 Kotlin Koog AI 就上手 Day 34：旅程的終點：Koog AI 的心路歷程

我們終於來到了 Kotlin Koog AI 的最後一篇(天)，不知不覺，又寫超過 30篇文章，還是覺得有一些東西沒有講到 XD

其實一開始的時候，並不是要寫 Koog 這個主題，最一開始的想法是，去年是寫 Spring Boot，今年開始寫 Android APP 接觸了 Kotlin 這個程式語言，不然可以寫一下 Kotin Web 相關的框架 Kotr 好了，章節也可以跟去年類似 (實在有夠懶)，後來意外的看到了新出沒有多久的 Koog，想說自己用 AI (開發) 也這麼久了，不然來寫一下跟 AI 相關的主題好了，所以最後就用 Koog 報名了

坦白說，整個學習過程算是蠻辛苦和坎坷的。Koog 畢竟是個相當新的框架，官方對外的教學文件很多的內容都不是最新版本，經常遇到文件中的範例程式碼，在實際使用時，根本就沒有這個 API，或是參數完全不一樣的情況，好幾次只能直接去翻 GitHub 的原始碼（還好 Kotlin 還算看得懂），有些測試程式寫得也很奇怪，真的是暈倒。更困難的是，因為太新了，網路上幾乎查不到任何相關資料，完全沒有其他人的使用經驗可以參考

不過目前最新的發布版本也才 0.0.3，後續 API 可能還會持續調整吧

以我之前使用過不少 AI Agent 相關套件和框架的經驗來看，Koog AI Agent 整體寫起來其實還蠻順手的。我覺得這很大程度上是因為 Kotlin 語法的相關特性，如果這個框架再完善一點，應該可以跟 LangChain 或是 C# 的 Semantic Kernel 一較高下吧 ?（自我感覺良好 XD）

Strategy 相關的文章最為複雜難寫，那幾篇真的是痛苦。如果沒有事先把流程圖畫清楚，後面的節點連接絕對會接錯。而且就算流程都對了，AI 最後的執行結果也可能跟你想像中完全不一樣。測試過程中只能不斷調整 system prompt 的內容，調整到懷疑人生，來來回回測試無數次才能得到理想的答案

Embedding 和語音辨識則是最燒錢的部分。Embedding 模型真的不便宜，後來還好有部分改用 Ollama 的本地模型測試，不然荷包真的會失血不少，缺點是出來的品質跟 Open AI 還是有明顯差距。至於語音辨識的部份，沒事真的不要玩，CP 值實在不高

如果你是從第一篇(天)就一路追到現在的讀者，非常感謝你的支持和陪伴。說實話，寫這種相對冷門、沒什麼人在用的 AI Agent 框架，跟去年的 Spring Boot 比起來，整體的流量(觀看量)真的差很多，沒有什麼人在看 XD

明年也不確定會不會繼續參加鐵人賽，可能會寫 Ktor 吧，哈哈

支持創作

如果這篇文章對您有幫助，歡迎透過 贊助連結 支持我持續創作優質內容。您的支持是我前進的動力！

圖片來源：AI 產生.