鐵人檔案
隨著大型語言模型（LLM）的迅速發展，越來越多的開發者開始探索創新應用，然而許多人將其局限於聊天機器人，忽略了其在資料處理上的潛力。這系列文章將探討如何建立 LLM 工作流，特別是 No code 開發的應用，減少程式碼撰寫，並專注於商業邏輯。此外，我也會分享與 AI 協作的方式和使用的工具。這系列文章適合有學過 Python 但不知能做哪些專案的朋友、對 AI / LLM 有興趣的學習者，以及想打造自己 ChatGPT 的朋友。只需具備基本的 Python 語法，就能理解大部分內容。希望透過這些文章，讓新手也能做一個屬於自己的 AI 應用，解決生活上的問題～
前言 我們在前十天嘗試了很多操作模型的方法，包含讓模型使用工具、用 RAG 提高答案生成的精確度、用 Ollama 在本地跑模型等等等，但這些都不是「訓練」一個...
前言 相信經過前幾天的分享，你應該對大型語言模型的操作有更深入的認識，不過你可能也發現一點，就是每次都要自行設計 Prompt，而且還要去測試這個 Prompt...
