NVIDIA DLI 講師實作坊：使用提示工程技術打造大型語言模型應用

課程介紹

隨著大型語言模型（LLM）展現出卓越的能力，企業積極將其整合至產品與內部應用中，以滿足文字生成、大規模文件分析及聊天機器人助手等各種場景。

運用現代提示工程（Prompt Engineering）技術是利用 LLM 處理任務最快速的方法，也是進階 RAG（檢索增強生成）與 PEFT（參數高效微調）的基礎。

在本工作坊中，學員將使用 NVIDIA NIM 平台搭配 Llama-3.1 模型，結合 LangChain 打造 LLM 應用，實際體驗如何有效提升 LLM 的生成品質。

✅ 認證資訊：完成本課程評量之後，即可取得 NVIDIA 原廠完課證明。

? 版本說明：本課程原文名稱為 [Building LLM Applications With Prompt Engineering]，NVIDIA DLI 目前未提供正體中文版本，相關資訊皆以原廠為準。

[caption id="attachment_61947" align="aligncenter" width="449"] Building LLM Applications With Prompt Engineering

課程實作樣張[/caption]

[caption id="attachment_61985" align="aligncenter" width="500"] 課程定位路徑圖

課程學習路徑圖[/caption]

時間	內容摘要
10:00 – 10:30	DLI 簡介與 NVIDIA NIM 入門－簡介 NVIDIA DLI 深度學習學院與主流 AI 工具－註冊 NVIDIA 開發者帳號－介紹 NVIDIA NIM：用於部署本課程之 Llama 3.1 LLM
10:30 – 12:00	認識提示設計（Prompt Design）－理解提示工程與 LLM 的緊密關係－使用 OpenAI API 與 LangChain 建立提示並檢視回應內容－串流回應與批次發送提示之效能比較－迭代式提示開發－建立第一個提示模板（Prompt Templates）－迷你專案：對批次輸入執行分析與生成任務組合
12:00 – 13:00	午餐時間
13:00 – 14:40	LCEL、Runnables 與 Chains －學習 LangChain 表達式語言（LCEL）與 Runnables 組合技術－撰寫自訂函式並轉換為 Runnables 以納入 Chains －將多個 LCEL Chains 組合成大型應用程式鏈－平行執行 LCEL Chains 來提升系統效率－迷你專案：結合 LCEL 與平行執行來處理複合式分析任務
14:40 – 15:00	休息與交流時間
15:00 – 16:50	進階提示設計：訊息管理與推理－核心訊息類型應用：Human、AI 與 System Messages －少樣本提示（Few-Shot Prompting）技術引導系統輸出－運用思維鏈（Chain-of-Thought）增強複雜推理任務－對話歷史管理與聊天機器人功能實作－迷你專案：打造靈活的多角色聊天機器人應用
16:50 – 17:00	結語與賦歸

時間	內容摘要
10:00 – 11:00	多結構化輸出實務－探索使用 LLM 批次生成結構化資料的方法－結合 Pydantic 類別與 LangChain 的 JsonOutputParser 生成結構化輸出－學習從長篇文字中提取資料並進行標註－迷你專案：從非結構化文字文件中進行資料擷取與文件標註
11:00 – 12:00	擴充文字生成規模－運用提示工程技術讓 LLM 生成不同長度、風格與格式的文字
12:00 – 13:00	午餐時間
13:00 – 15:30	工具使用與智能代理 (Agents) －建立 LLM 外部功能 (Tools) 供模型辨識與呼叫－開發智能代理 (Agent) 以判斷工具使用時機並整合回應－迷你專案：開發可呼叫外部 API 的 LLM 代理，提供即時資料與增強內容
15:30 – 16:30	課程評量－完成課程評量並取得 NVIDIA 原廠完課證明
16:30 – 17:00	講師解題與問卷－講師解題分享、完成工作坊問卷調查

CAVEDU (翰尼斯企業) 是國內執行課程經驗最豐富的 NVIDIA 教育合作夥伴。歡迎洽詢企業包班、技術顧問與客製化課程：

我們的專業團隊（2025 全球第一白金級大使領軍）將為您提供專屬的 NVIDIA DLI 原廠認證課程 規劃。