筆者在前段時間的某個專題中，因緣際會下開始研究嘗試大語言模型的使用及運用，並將其套用在專題系統之中，在自己一段時間的摸索之下，也有了自己的一些經驗和想法，並且也體會到LLM的強大之處，因此希望在這次30Days中，將自己學到的東西和實作經驗分享給大家。

在本系列文章中，大致會介紹到這幾個主題，大略可以分為以下幾個章節:

• 環境建置
• 本地LLM部屬
• LANGCHAIN
• HUGGINGFACE
• RAG(Retrieval-Augmented Generation)
• 專案實作練習

為何你該學習如何運用LLM?

自從LLM問世並開始被大家活用以來，大部分的人其實都只是單純的把他當作一個問答機器，幫助你快速地找尋找知識、答案、分析建議、解決問題，確實這對於大眾來說，已經可以說是劃世代的一個創舉了，畢竟光是這樣就已經大幅增進了我們在各個方面的工作效率，但這樣其實只是很單純的去使用他，其實能夠做到的運用還多得多，並且可能比你我想像中還要強的多，這也不是什麼吹牛話，他的功能其實已經取代到很多其他功能的小模型了，像是情感分析模型、語音識別和轉錄模型等等。
這邊我們就來想一下llm還能延伸出什麼，除了內容生成，還有自動化流程、分析非結構化數據、又或是針對各種資料訊息的預測。
我認為LLM在未來AI一定是非常重要的一環，因此更了解LLM並去學習相關運用是非常值得的，希望各位都能在這個領域有所收穫，提高自己的競爭力!