這 29 天，我把生成式 AI 從概念走到實作：先釐清 LLM／Transformer、提示工程與風險；再用 Ollama 下載語言模型，搭配 Docker 做環境還原，透過 Open WebUI進行體驗；後段加入系統提示詞與記憶(Conversation Memory)，並測試上傳檔案、附加網頁／筆記，以及語音與相機等多來源輸入。

過程
• Day 1–19：生成式AI介紹（定義、歷史、LLM/Transformer、提示工程、聊天機器人設計原則與場景、風險）
• Day 20–23：完成環境開發（Ollama、模型下載、Docker、Open WebUI 安裝）
• Day 24–29：體驗與優化（首次對話、人格化 System Prompt、上傳檔／語音／相機／附加網頁／筆記、開啟記憶）

心得
生成式 AI 的本質是「用大量資料學來生成內容」的模型（非只做判斷），從 n-gram／RNN 演進到 Transformer，再到以 LLM 為核心的應用。對我來說，關鍵不在盲追參數，而在脈絡跟資料：別急著換更大模型，先把你要什麼、怎麼出、參考在哪講明白，品質會更可控。情境上它能寫作、摘要、問答、助教，但是也有要注意的風險：幻覺、偏見、版權與隱私。

這次實作的部分，我用 Ollama 下載語言模型 + Docker 定版環境，再配 Open WebUI 探索，優點是可以離線使用、可重現、成本可控。人格化系統提示與多來源脈絡（檔案／網頁／筆記）讓回答更符合；但偶爾會出現回復過短，則需靠字數/步驟格式與「重置記憶」解決。