RAG/Agent 應用開發實戰工作坊
想學習如何設計和開發自動化的智能代理系統？
近來您可能已注意到 OpenAI 的最新發展，ChatGPT 可以透過 chatgpt o1 model 自主思考，Anthropic 的 Claude 更可藉由電腦操作替代人力撈取資訊——這些 AI 技術的“黑魔法”是否也讓您感到驚奇？想知道如何利用 LLM 模型創建這樣的應用場景嗎？
我們這堂從 0 到 1 的實戰課程，將帶你從 prompting engineering 基礎開始，深入學習如何設計、開發並優化 RAG (Retrieval-Augmented Generation) 和智能代理 Smart Agent 概念。
這堂課到底有什麼好處？
Let me break it down for you:
-
學到最前沿的技術：從 prompting engineering, few shot prompting 到採用 RAG 思考流程，讓你可以自己打造自己的 OpenAI o1-mini 應用。從基本介紹到建立智能代理 Smart Agent，這堂課程會教你如何把 AI 技術應用在實際的開發專案中。
-
實戰演練，邊學邊做：我們的課程不只是理論教學，還會帶你親手操作，讓你真正理解每個步驟，並能夠立即應用在你的專案中。
-
升級你的開發技能：如果你已經有 Web 開發的基礎，這堂課程會幫助你進一步擴展你的技術範疇，掌握 AI 的應用開發，成為技術界的先行者。
-
超強講師陣容：我們邀請到業界頂尖的 AI 開發者和技術狂熱者，手把手帶你深入探索 AI 世界。這是一個絕佳的機會，讓你和專家直接交流，解決你在開發中遇到的難題。
-
實用性極高：這堂課程設計得非常實戰導向，學完後你就能在工作中立即使用這些技術，無論是開發智能客服、資料蒐集助理，還是整合 API Agent，統統搞定。
-
社群討論：進行後續課程內容討論，實作問題解答，讓開發不再孤單。
誰適合參加？
- 具備有 Web 開發經驗者。
- 具備軟體開發相關協作者
- 對大數據、機器學習有興趣的開發者。
課程期間會使用 Python, Codelabs 及 OpenAI，請務必先註冊好 OpenAI 帳號，準備好你的電腦和大腦，讓我們一起開始這場 AI 技術之旅！
講師陣容：
-
劉庭瑋 David Liu | AI Application Developer
擁有超過10年的 AI 應用開發經驗，從遊戲、教育到健身領域，劉老師都有豐富的實戰經驗。
自2012年開始自主研發行動裝置上的影像辨識與分析技術，並開發多款AI相關應用程式從遊戲、音樂教育至運動健身領域，曾獲選App Store年度最佳APP，全球累積下載超過300萬次。近年來開始投入生成式AI產品研發，目前主要工作是協助企業導入LLM包含知識管理系統、客服聊天機器人和工作流程自動化等。
-
戚務漢 Caesar Chi | 技術狂熱者
Node.js 核心成員，擁有豐富的 JavaScript 和技術整合經驗，長期活躍於技術社群和分享。
擅長關注 JavaScript, Node.js 開發技術以及使用者經驗。Node.js 核心成員，JSDC 核心運營團隊，致力於技術整合，社群活動舉辦，LINE API Expert 持續在不同的平台發表對 #技術管理 #網頁開發 或 #軟體職涯 相關的分享。
課程大綱:
| 模組 | 主題 | 內容概述 |
|---|---|---|
| LangChain 入門 | LangChain 基本介紹 | 介紹 LangChain 框架的基礎概念與應用場景 |
| Chat Models | 探索不同的聊天模型，了解如何選擇適合的模型 | |
| Prompt Templates | 學習如何設計與應用 Prompt 模板來提升模型效果 | |
| Output Parser | 介紹如何解析模型的輸出並進行處理 | |
| 基本對話 | 掌握基本對話功能的開發與應用 | |
| 連續對話 - 使用 memory | 使用 memory 實現對話的連續性和上下文記憶 | |
| 開發工具 | LangSmith | 深入了解 LangChain 開發工具 LangSmith 的使用 |
| Chain, LCEL 介紹 | 認識 Chain 和 LCEL 的基礎概念與功能 | |
| Functions, Tools 介紹 | 探索 Functions 和 Tools 的應用方式 | |
| Agent 系統介紹 | Agent 介紹 - ReAct | 介紹 ReAct 框架，了解 Agent 系統的基本構成 |
| LangGraph 介紹 | 認識 LangGraph 框架及其在 Agent 開發中的應用 | |
| Agent 實例 | 提供實際 Agent 應用的範例 | |
| RAG 系統介紹 | RAG 初探介紹 | 介紹 RAG 系統的基本概念與應用 |
| 實作基本 RAG | 學習如何實作一個基本的 RAG 系統 | |
| 進階 RAG 介紹 | 深入探討更進階的 RAG 系統設計 | |
| 資料處理與檢索 | Pre-processing (Table/Image/HTML) | 介紹如何對表格、圖片、HTML 等數據進行預處理 |
| Query Transformation | 學習查詢轉換技術，提升檢索效果 | |
| MultiVector Retriever | 探索多向量檢索器的應用 | |
| Hybrid Search / Reranker | 學習如何使用混合搜索與排序器 | |
| RAG 評估與測試 | RAG 評估 - RAGAS | 介紹 RAGAS 評估系統，學習如何評估 RAG 系統的性能 |
| Agent 開發實作 | LangGraph 基本元件 | 介紹 LangGraph 的基本元件，為 Agent 開發做準備 |
| 使用 LangGraph 建立 Agent | 實作使用 LangGraph 建立智能 Agent 的全過程 | |
| 暫存 LangGraph 狀態 | 學習如何保存和管理 Agent 的狀態 | |
| Agent 實例應用 | 資料蒐集助理 | 開發一個根據查詢主題自動蒐集資訊、生成摘要的 Agent |
| Agentic RAG | 結合知識庫檢索和網路搜尋，實作一個 Agentic RAG 系統 | |
| API Agent | 開發一個根據輸入自動判斷並呼叫對應 API 完成任務的 Agent | |
| 智能客服 Agent | 開發一個可根據文件檢索、資料庫與網路搜尋來進行回覆的智能客服 Agent |
提醒~本次課程會使用 python及OpenAI ，上課前請先註冊好 OpenAI 的帳號。
主辦單位
AI For Developer https://www.facebook.com/codingbear/
"AI for Developers"社群! 這裡是熱愛AI、LLM、ChatGPT的技術開發者匯集地。我們深入探討AI技術的實作與導入，分享知識、經驗，並協助解決您的問題。加入我們，共創AI未來!
由 EXMA / Coding Bear 進行發起，讓更多開發者擁抱 AI 的變化，了解 AI 開發流程，輔助工具的應用及展望。