LLM 應用開發班：LangChain 與 AI Agent 實務班

LangChain環境準備篇 ● 使用Poetry來安裝與管理虛擬環境 ● 使用Python-dotenv來管理環境變數 ● LangChain 0.2 版介紹與0.3版更新策略
LangChain 初試身手 ● 認識LangChain ● 建立一個簡單的生成式AI應用 - 語言翻譯器 ● 運用Prompt Template 打造多國語言翻譯器 ● PromptTemplate應用練習 - 單字情境造句機
PromptTemplate 設計 ● 多筆問答範例樣板 - 來啊！戰南北 ● 範例選擇器 - 先生，你依據哪一條判斷我是南部人？ ● 利用範例選擇器來簡化提示
Chain 的基本概念與使用 ● Chain 的基本概念與使用 ● 認識 LLMChain ● 認識 SimpleSequentialChain ● 認識 SequentialChain ● 認識MultiPromptChain ● 實作Conditional Chain機制
認識 LCEL 表達式 ● 認識LCEL表達式 ● 認識RunnableSequence ● 認識RunnableParallel ● 認識RunnableBranch ● 認識RunnableLambda ● 認識RunnableWithFallbacks ● 認識RunnablePassthrough
LangChain Memory機制 ● 常見的Memory機制介紹 ● RunnableWithMessageHistory介紹 ● 實作 RAG 流程整合歷史訊息
LangChain與Google Gemini ● 申請 Google Gemini API ● 實作Google AI studio ● LangChain連接Gemini API
LangChain與Google Gemini實作 ● 圖片理解 ● 聲音理解 - Podcast 重點摘要 ● 影片理解 – Ryan在哪裡
設計RAG應用 ● 認識RAG ● 認識 Embeeding與向量資料 ● 實作 RAG應用 ● 關於知識文件切割的探討
本地模型RAG應用 ● 認識Ollama ● 使用llama.cpp量化與轉換模型格式 ● 實作混合雲RAG應用
AI Agent ● AI Agent 概念 ● AI Agent架構設計：從單體到複雜系統 ● 基本 ReAct AI Agent 應用 ● 為ReAct AI Agent加上短期記憶應用 ● 為 ReAct AI Agent 加入 system prompt ● AI Agent的工具也可以是個 Chain
LangServe與部署 ● LangServe介紹 ● RAG Chain的搭建 ● LangServe 建立與整合 ● 容器化LangServe與地端部署 ● LangServe 容器映像登錄
AI輔助編程概念 ● AI與程式設計的結合：如何運用大型語言模型（LLM）和AI工具幫助- 開發者生成程式碼。實作案例：使用Cursor進行AI輔助寫程式 ● 案例1：自動化生成Python程式碼 ● 案例2：Debugging與錯誤修正（如何用Cursor幫助查找與修正程式錯誤） ● 案例3：改善程式碼結構與重構
AI Agent 概念與實作 ● Claude：由 Anthropic 開發的 AI 助手，專注於安全性和可靠性的對話模型。 ● Gemini：Google 最新發布的強大 AI 模型，專為 Agent 時代設計，具備多模態理解和生成能力。 在查詢多一點

學歷：高中/職(含)以上
年齡：年滿15歲以上
資格條件：具備至少一種程式語言（建議為Python）的基本操作能力，且欲從事大數據、資料處理分析等相關工作，或對大數據領域應用有自我實現且需求者。