《生成式AI × 穩健提示框架技術 III》語言模型與介面設計篇-Hugging Face × Streamlit × Gradio (1版)

「從模型到介面，從部署到串接，打造可操作、可擴充的語言模型應用」 ◼ 建立穩定的開發與資料處理基礎 從 Google Colab、Anaconda、Jupyter Notebook 到 Pandas，掌握 CSV、Google Sheets 與多種資料格式的讀取、整理與比對。 ◼ 將 Python 程式轉化為可操作的動態 APP 比較 Gradio、Streamlit、Tkinter 與 CustomTkinter 的介面特色，實作股價資料查詢與財報 RAG 應用。 ◼ 完成 Hugging Face Spaces 部署與除錯 掌握 requirements.txt、README、Secret、API Key、套件版本管理，以及常見平台部署流程。 ◼ 理解開源模型、微調與量化技術 認識 Llama、ChatGLM、TAIDE、Breeze、Qwen、Yi，並掌握 SFT、LoRA、QLoRA、模型量化、RLHF、PPO 與 DPO 的微調核心概念。 ◼ 串接知識庫、通訊工具與跨平台工作流 實作 RAG、AnythingLLM、MAKE、Line Bot、Google Sheets、Telegram、Claude API 與 MCP，延伸模型的查詢、推播與任務串接能力。 專業推薦 (排名不分先後) 國立中山大學物理系─莊豐權特聘教授 欣榮藝術行銷有限公司 執行長、吾料音樂創造工作室 創辦人─侯沛罧 敬薦 綠先農業科技國際股份有限公司─張靜雯經理 伽碩職訓中心─郭明洽執行長 嘉南藥理大學人工智慧與多媒體應用系─蘇致遠教授 元大─陳尚瑋副理 數位行銷顧問─佘昀 永義房屋高鐵自由加盟店 店長 / 第21 屆金仲獎楷模─王靚瑜 永達保經─李雅雯經理

▌1 基礎雲端IDE 安裝與設定 1.1 Google Colaboratory 介紹與安裝 1.2 Anaconda 安裝 - Jupyter Notebook 1.3 Python 版本差異說明 1.4 IDE 環境與API 衝突排解 1.5 CMD 下指令安裝 ▌2 基礎Pnadas 讀寫與勾稽比對應用 2.1 Pandas 讀取CSV 應用 2.2 Pandas 讀Google Sheets 介紹 2.3 Pandas 用於勾稽比對不同表單 2.4 Pandas 讀取不同資料格式說明 ▌3 雲端部署平台介紹 3.1 什麼是Hugging Face ( 抱抱臉) 3.2 註冊Hugging Face 帳號 3.3 不同部署空間介紹與說明 ▌4 介面的設計與改寫方法 4.1 Gradio 動態APP 框架介紹與說明 4.2 Streamlit 動態APP 框架介紹與說明 4.3 Tkinter 使用者介面介紹與說明 4.4 CustomTkinter 使用者介面介紹與說明 ▌5 生成式AI 工具開發介紹 5.1 Claude AI 介紹與應用- Cowork & Dispatch 介紹 5.2 Vibe Coding 應用 5.3 Perplexity AI 介紹與應用- Comet & Computer 介紹 5.4 Chrome 內建Gemini 的應用(FB 和Threads 為例) ▌6 動態APP 改寫實作 6.1 Hugging Face 部署觀念與requirements.txt 6.2 股價爬取實作改寫成Gradio 框架與部署 6.3 刪除Space 與Secret 埋API Key 的作法 6.4 財報RAG 加上Line Bot 推播助理的Gradio 部署 6.5 何謂README.md 與最新框架的版號 6.6 如何在HuggingFace 上除錯 6.7 股價爬取實作改寫成Streamlit 框架與部署 ▌7 常見開源模型介紹 7.1 Llama 模型介紹 7.2 ChatGLM 模型介紹 7.3 TAIDE 模型介紹 7.4 Breeze 模型介紹 7.5 Qwen 模型介紹 7.6 Yi 模型介紹 7.7 各家模型比較優劣 7.8 FormosanBank 資料庫介紹 ▌8 LLM 微調必備知識 8.1 什麼是SFT? 8.2 準備SFT 所需的資料 8.3 SFT 在企業問答、摘要、分類與助理系統的應用 8.4 量化壓縮、剪枝法、知識蒸餾介紹 8.5 BF16、INT8、INT4、NF4 量化基本概念 ▌9 LLM 載入與量化應用 9.1 Full-Tuning VS. LoRA VS. QLoRA 9.2 LoRA 的核心原理與優勢 9.3 QLoRA 如何在量化基礎上進一步降低成本 9.4 不同微調方法適用場景比較 9.5 關鍵區塊、訓練參數等核心設定的微調 ▌10 SFT 訓練資料準備與微調實戰 10.1 SFT 與QLoRA 微調模型輸出與測試觀念介紹 10.2 SFT 與QLoRA 微調模型輸出與測試實作 ▌11 偏好對齊與RLHF 與DPO 核心觀念 11.1 RLHF 的基本流程與設計思維 11.2 DPO 的核心概念與相對優勢 11.3 PPO 在傳統RLHF 中的角色 11.4 SFT 與DPO 比較 ▌12 RAG 應用與打造地端的個人知識庫 12.1 什麼是RAG? 12.2 不同RAG 的介紹與應用 12.3 Groq API key 申請 12.4 RAG 程式實作 12.5 申請Gemini API 的應用 12.6 Anyting LLM- 新增桌面助手應用 12.7 Gemini Notebook 和 AnythingLLM 比較 ▌13 MAKE 工作流- 跨平台的應用 13.1 MAKE 第三方串接平台應用實作 13.2 Line Bot 與Google Sheets 串接與應用 ▌14 Telegram 通訊軟體應用實作 14.1 Telegram 介紹與安裝 14.2 Telegram 的token 和Chat ID 申請實作 14.3 Telegram Say Hi 的程式模組 14.4 Telegram 回音的程式模組 14.5 Telegram 檔案傳送模組 14.6 Telegram 圖片傳送模組 14.7 Line Bot 和 Telegram 兩者的比較 ▌15 Manus Agent 的介紹與應用 15.1 Manus AI 是什麼？ 15.2 Manus AI 技術核心與使用方式 15.3 Manus AI 效率應用場景 15.4 Manus AI 方案與價格選擇 15.5 Manus AI 常見問題整理 總結 ▌16 Claude AI 證照介紹 16.1 Claude AI 是什麼? 16.2 Claude AI 證照如何取得? 16.3 Claude 基礎入門 16.4 實戰 Claude Code 16.5 Agent Skills 簡介 16.6 Claude API 開發應用 16.7 MCP 架構