第 02 / 03 階段 · 建造者
AI Builders Studio
用 LLM 動手建構,不止於對話。
- 年齡
- 12 – 18
- 時長
- 10 週
- 先修條件
- 強烈建議先完成 C9《Python 進階 – 建造者》。
學生將學到什麼
學習如何藉助 LLM 及其他 AI 工具進行建構:寫好提示詞,將它們串聯起來,用真實資料為模型做事實錨定,並發布一款小工具。課程還貫穿一條嚴肅的 AI 倫理與安全主線。
提示工程的直覺。一套可用的 API 整合模式。發布前先問“這可能傷害誰?”的自覺。評估 AI 輸出的具體經驗,而非一味信任。
課程模組
什麼是 LLM
token 預測、上下文視窗、失效模式。一份帶批註的演示對話。
提示工程基礎
清晰、結構、範例、角色設定。5 段精心打磨的提示詞。
提示工程進階
思維鏈、結構化輸出、評估。一份附有評分的作品集。
呼叫 API
向 LLM 發起 HTTP 請求,解析 JSON。首次以程式設計方式呼叫。
用 API 建構
用 Streamlit/Flask 封裝 LLM。第一款 AI 小應用程式。
事實錨定與 RAG 入門
為模型提供真實資料,學習基礎檢索。一個能回答某份真實文件相關問題的工具。
安全與護欄
拒絕、轉向、清洗。安全案例分析 + 為自己的工具加一道護欄。
AI 倫理:走進真實世界
偏見、隱私、環境成本、誰會受害。對自己的應用程式做一次倫理審視。
期末專案(上)
選定一位真實使用者。一個可執行的 v1。
期末專案(下)
邀請真實使用者測試,修正缺陷。v2 + 反思。
學生作品
一款小型 AI 工具(聊天機器人、摘要器、分類器或助手),經至少 3 位真實使用者測試。
核心收穫
提示工程的直覺。一套可用的 API 整合模式。先考慮倫理的自覺。
我們推薦的免費學習資源
Microsoft GenAI for Beginners
21 節課,端到端的 LLM 課程。附帶免費的 GitHub Models 端點。
課程 + 程式碼範例 + 影片
Hugging Face Learn
開放權重視角下的最佳課程——幫助學生建立正確的心智模型。
文字章節 + 可執行 notebook
Anthropic Prompt Engineering Tutorial
9 章內容,附自動評分練習。
Jupyter notebook 或 Google Sheets
其他參考資源
- MIT 6.S191 Intro to Deep Learning適合希望深入理解數學原理的學生。
- Elements of AI面向無程式設計基礎學習者的 AI 概念入門。
下一步
運用 AI 的創新者專案。