← 回首頁
生成式 AI 基礎

M05 生成式 AI 基礎

LLM、Prompt Engineering、RAG、工具呼叫與安全對齊

共 14 講
生成式 AI 是什麼:從判別到生成的典範轉移
M05.01

生成式 AI 是什麼:從判別到生成的典範轉移

以前 AI 只會選答案,現在 AI 會自己寫答案了

生成式AI 判別式模型 生成式模型 GAN 典範轉移
大型語言模型 LLM:GPT、Claude、Gemini 的運作原理
M05.02

大型語言模型 LLM:GPT、Claude、Gemini 的運作原理

LLM 的本質就是『超級厲害的文字接龍機器』

大型語言模型 LLM GPT Claude Transformer 語言模型
Prompt Engineering:跟 AI 說話的藝術
M05.03

Prompt Engineering:跟 AI 說話的藝術

同一個模型,問法不同,答案天差地別

Prompt Engineering 提示工程 Zero-shot Few-shot Chain-of-Thought 角色提示
RAG 檢索增強生成:讓 AI 查資料再回答
M05.04

RAG 檢索增強生成:讓 AI 查資料再回答

開卷考試 vs 閉卷考試 — RAG 讓 AI 帶小抄上場

RAG 檢索增強生成 向量資料庫 幻覺 知識庫 Embedding
AI Agent 與工具使用:讓 AI 不只會說,還會做
M05.05

AI Agent 與工具使用:讓 AI 不只會說,還會做

從聊天機器人到自主代理人 — AI 開始學會使用工具了

AI Agent 工具使用 Function Calling ReAct 自主代理人 LangChain
圖像生成:Diffusion Model、DALL-E、Midjourney
M05.06

圖像生成:Diffusion Model、DALL-E、Midjourney

從一堆雜訊中慢慢浮現一幅畫 — 這就是擴散模型的魔法

擴散模型 Diffusion Model DALL-E Midjourney 文生圖 Stable Diffusion 圖像生成
Fine-tuning 與 RLHF:讓通用模型變成你的專家
M05.07

Fine-tuning 與 RLHF:讓通用模型變成你的專家

預訓練給了模型知識,Fine-tuning 教它怎麼聽話

Fine-tuning RLHF LoRA 指令微調 DPO 模型客製化 強化學習
AI 幻覺與事實查核:生成式 AI 的可靠性問題
M05.08

AI 幻覺與事實查核:生成式 AI 的可靠性問題

AI 說得頭頭是道,但它可能在一本正經地胡說八道

AI幻覺 事實查核 可靠性 RAG Grounding 幻覺偵測 生成式AI風險
生成式 AI 的倫理爭議:著作權、深偽、工作取代
M05.09

生成式 AI 的倫理爭議:著作權、深偽、工作取代

AI 生成的文章算誰寫的?AI 換臉影片算不算犯罪?

生成式AI倫理 著作權 深偽技術 Deepfake 工作取代 學術誠信 AI治理
企業導入生成式 AI:策略、風險與最佳實踐
M05.10

企業導入生成式 AI:策略、風險與最佳實踐

不是買個 ChatGPT 帳號就叫數位轉型

企業AI導入 GenAI策略 AI治理 資料安全 ROI 變革管理 AI最佳實踐
Agentic AI 與 AI 代理系統:從工具到自主行動者
M05.11

Agentic AI 與 AI 代理系統:從工具到自主行動者

以前 AI 是你問它才答,現在 AI 會自己想、自己做、自己檢查

Agentic AI AI代理 多代理系統 Tool Calling 自主規劃 CrewAI AutoGen
MCP 與 A2A 協議:AI 代理如何與世界溝通
M05.12

MCP 與 A2A 協議:AI 代理如何與世界溝通

MCP 是 AI 的手,A2A 是 AI 的嘴——一個操作工具,一個跟其他 AI 說話

MCP A2A AI協議 Tool Use 代理通訊 開放標準 互操作性
Prompt Engineering 進階:CoT、ToT 與結構化提示設計
M05.13

Prompt Engineering 進階:CoT、ToT 與結構化提示設計

不是問 AI 更多話,而是教 AI 怎麼想

Prompt Engineering Chain-of-Thought Tree-of-Thought 結構化輸出 Context Engineering Few-shot 提示設計
RAG 進階:Chunking 優化、增量更新與混合搜尋
M05.14

RAG 進階:Chunking 優化、增量更新與混合搜尋

RAG 不是把文件丟進去就好——切得好不好、搜得準不準,決定 AI 答得對不對

RAG Chunking 混合搜尋 向量資料庫 Embedding Re-ranking 增量更新