零基礎玩轉LLM應用全攻略: Python×No-Code實作AI開發超簡單 (1版)

本書改編自第16屆iThome鐵人賽生成式AI組冠軍系列文章《Python新手的AI之旅：從零開始打造屬於你的AI / LLM應用》。本書將一步步帶著讀者學習建構一個AI應用的必備知識，從理論到實作都有涵蓋，不用擔心自己沒有AI的基礎。本書專注於推論階段的LLM應用，前半部分介紹的是AI的基礎知識、LLM API的使用方法，以及圍繞在LLM周邊問題的解決方案；後半部分則詳細介紹Agent以及Dify這個No-Code LLM應用設計平台的使用方法和小訣竅；最後則是LLM應用的相關補充資料。 用Python和No-Code工具來開發專屬你的LLM應用 新手友善的LLM應用實戰指南，理解本質才能精準操作LLM這個黑盒子 從基礎AI開發開始，奠定AI應用飛躍之路 【專業推薦】 本書不像其他生成式AI書籍，需要很深的數學基礎與AI知識，而是選擇以新手友善、從工程與系統設計的視角，說明LLM的特性、限制與應用方法。書中內容涵蓋Prompt設計、RAG、模型微調、模型安全等議題，透過大量Python與No-Code工具的實際操作，從本質出發，協助讀者建立正確的觀念，而非僅止於零碎技巧的學習。 ─ 郭耀煌，國立成功大學副校長 本書最難得的地方在於，它沒有急著要教你多厲害的東西，也沒有一直強調「你一定要會寫很多程式」，反而是很踏實地把原理講清楚，再搭配實際可以動手做的例子，讓你知道原來這些生成式AI應用不是遙不可及，而是真的可以一步一步做出來的。 ─ 陳明毅（Miles Chen），采鑛數據科技 CTO 在目前生成式AI快速落實的背景下，提供了一條清楚且務實的實作導向學習路徑。作者不以理論推導為主，而是聚焦於大型語言模型在實務場景中的應用方式與限制，並結合Python與No-Code工具，協助讀者將LLM穩定地整合進實際流程與系統架構中，創造可持續的應用價值。 ─ Jerry Tseng，EMILY.RPA Founder & CEO 本書不使用艱難的數學公式，而是從實務出發，循序漸進帶領讀者掌握打造大型語言模型應用的核心知識。書中以遊戲化設計來提升學習動力，像是「小海狸心法」點出思考關鍵、「訓練場」提供題型演練、「戰利品」清楚標示可獲得的技能與成就、「冒險者素質」提醒必備技能，最後再加上「祕技加成」進一步強化實作，更讓整個學習過程變得充滿趣味且有效率。本書相當適合AI初學者，以及希望快速上手、一步步「打怪升級」的你。 ─ 陳培殷，國立成功大學資訊系 特聘教授 兼 成大醫院資訊室主任 本書最珍貴之處在於大幅降低技術門檻，以淺顯易懂的語言，讓非工程背景的讀者也能深受啟發，無論你是AI初學者還是資深架構師，若想在這波浪潮中快速實踐創意，這本書將是最好的起點，誠摯推薦給每一位準備動手實作的朋友。 ─ 劉秋良，采鑛數據科技股份有限公司 總經理 【內容簡介】 ♚學習AI開發：建立正確觀念，奠定紮實基本功 ♚理論實作並行：由淺入深學習，搭配程式碼實作 ♚套件全面剖析：理解套件背後的設計思路與取捨 ♚搭配No-Code工具：完整解析繁體中文Dify實戰 本書改編自第16屆iThome鐵人賽生成式AI組冠軍系列文章《Python新手的AI之旅：從零開始打造屬於你的AI / LLM應用》。本書將一步步帶著讀者學習建構一個AI應用的必備知識，從理論到實作都有涵蓋，不用擔心自己沒有AI的基礎。 本書專注於推論階段的LLM應用，前半部分介紹的是AI的基礎知識、LLM API的使用方法，以及圍繞在LLM周邊問題的解決方案；後半部分則詳細介紹Agent以及Dify這個No-Code LLM應用設計平台的使用方法和小訣竅；最後則是LLM應用的相關補充資料。 看完本書的你，就相當於擁有精準操作LLM這個「黑盒子」的基本能力，任何天馬行空的想法都能實現，而這也將會是你進入AI領域最開心的前奏。 【目標讀者】 ✪Python新手、想做點什麼的人。 ✪對AI有興趣、不知道怎麼開始的人。 ✪對開發LLM應用有興趣的人。 ✪不怕被說是套模仔的人。

【Part 01 AI入門】 |Chapter 01| AI基本介紹 1.1 AI與GAI是什麼？ 1.2 機器學習與深度學習 1.3 分類模型 vs 預測模型 vs 生成模型 1.4 深度學習與類神經網路 1.5 小結 |Chapter 02| LLM的基礎知識 2.1 文字接龍 2.2 文字變數字 2.3 推理模型 2.4 小結 |Chapter 03| LLM API的基本用法 3.1 什麼是API？ 3.2 OpenAI API 3.3 其他酷酷的API 3.4 環境設定 3.5 正式說你好 3.6 小結 |Chapter 04| 追蹤開放原始碼 4.1 Git與GitHub 4.2 openai-python專案 4.3 小結 【Part 02 用聰明的方式使用LLM】 |Chapter 05| Prompt Engineering介紹 5.1 模型實際看到的東西 5.2 Prompt和Prompt Engineering是什麼？ 5.3 Prompt Engineering策略 5.4 小結 |Chapter 06| 幫你的聊天機器人加入記憶功能 6.1 實作簡單記憶的系統 6.2 上下文限制 6.3 更聰明的記憶系統 6.4 小結 |Chapter 07| 讓你的LLM使用工具 7.1 連這個都不會 7.2 如何讓模型使用工具 7.3 小結 |Chapter 08| 用檢索增強生成來減少模型幻覺 8.1 語言模型的幻覺 8.2 檢索增強生成 8.3 手刻一個簡單的RAG系統 8.4 為網站做一個基於RAG的問答系統 8.5 一些特別的RAG策略 8.6 小結 |Chapter 09| 多模態模型 9.1 多模態 9.2 利用STT & TTS模型，讓你的APP會說話 9.3 小結 |Chapter 10| 模型微調 10.1 什麼是學習？為什麼需要訓練？ 10.2 語言模型學習三階段 10.3 LoRA / QLoRA微調 10.4 來微調模型吧！讓你的模型變可愛 10.5 用Ollama部署模型，並用openai套件來使用模型 10.6 小結 |Chapter 11| 安全防護與進階控制 11.1 被攻擊的模型 11.2 基本防範 11.3 其他參數 11.4 小結 【Part 03 Agent和工作流】 |Chapter 12| Agent基本概念與案例 12.1 Agent 是代理人而不是智能體 12.2 LLM-based Agent 12.3 問題太複雜？團結力量大！ 12.4 代理化工作流 12.5 Agent框架比較 12.6 小結 |Chapter 13| Dify的介紹與安裝 13.1 簡化開發複雜度 13.2 架設開源版的Dify 13.3 小結 |Chapter 14| Dify的工具 14.1 讓Dify的Agent使用工具 14.2 自訂工具 14.3 小結 |Chapter 15| Dify的知識庫 15.1 知識庫 15.2 做一個串接Notoon外部資料來源的小幫手 15.3 小結 |Chapter 16| Dify的工作流 16.1 Dify的「流」基本介紹 16.2 不會亂回的宿舍問答機器人 16.3 升級版水果查詢機器人 16.4 狗狗品種猜測圖片查詢機器人 16.5 小結 【Part 04 爬蟲與使用者介面】 |Chapter 17| LLM時代下的爬蟲 17.1 當個有禮貌的爬蟲 17.2 爬給LLM看 17.3 把文件轉換成LLM看得懂的樣子 17.4 小結 |Chapter 18| 好看的使用者介面 18.1 LLM應用的門面 18.2 好看的終端機介面 18.3 小結 |Chapter 19| 小海狸心法 19.1 Dify可能會遇到的問題 19.2 分享想法