CAVEDU教育團隊技術部落格 / NVIDIA DLI 深度學習學院

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](2026.7.7申請截止)

✍ CAVEDU 阿吉 - 雜工📅 2025-09-07👁 1,752

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。

IMPORTANT 2026/08

重要資訊:本課程將於2026年底轉為開源形式

根據 NVIDIA DLI 重大更新,本課程將於2026年底將課程相關範例程式碼與實作指南轉為開源形式後發布,意即本課程無須付費但也不會再有完課證明喔!歡迎持續關注 CAVEDU 官方技術部落格來獲取最新課程資訊!

✅ 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。
Building LLM Applications With Prompt Engineering
課程實作樣張

課程定位

  • 🟢 程度:技術 - 中級 (NVIDIA DLI LLM Level 1)
  • 🟢 主題:深度學習 / 生成式 AI / 大語言模型
  • 🟢 完課證明:有
  • 🟢 考試方式:程式實作
  • 🟢 課程先修:熟悉 Python 語法,對 LLM 關鍵技術有扎實理解
  • 🟢 所需軟體:Python3 / NVIDIA NIM / LangChain
  • 🟢 相關資訊:參考 DLI Generative AI / LLM 學習路徑
課程定位路徑圖
課程學習路徑圖

學習目標

  • 🎯 理解如何應用迭代式提示工程最佳實踐,開發多樣化任務的 LLM 應用。
  • 🎯 熟練使用 LangChain 框架來建構高效的 LLM 工作流程。
  • 🎯 開發以 LLM 為核心的生成、文件分析與聊天機器人等實務應用。

課程特色

  • 🚀 全面涵蓋:從 Transformer 基礎到 LLM 應用開發,最終掌握智能代理編排。
  • 🚀 實作導向:實際操作 Hugging Face 與 LangChain 進行問答與多模態開發。
  • 🚀 場景驅動:探討 AI 客服、情感分析與機器翻譯等企業真實營運需求。
  • 🚀 前瞻工具:掌握 RAG、PEFT、LangGraph 等最新技術趨勢與實戰。
  • 🚀 原廠認證:完成課程評量驗證學習成效,通過即可取得完課證明。

第一天課程表:提示設計與 LangChain 編排

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

第二天課程表:結構化資料、工具整合與智能代理

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

立即洽詢與報名

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。

本文發表於NVIDIA DLI 深度學習學院,並標記DLI認證。

相關文章 📎

NVIDIA DLI 講師實作坊 [為大型語言模型注入新的知識]

2026-09-14

NVIDIA DLI 講師實作坊 [建立以大語言模型為基礎的代理 AI 應用]

2026-09-14

Omniverse 工業數位孿生兩日課程:OpenUSD 實作與 NVIDIA Brev 雲端環境

2026-08-18

NVIDIA Physical AI 一日課程:SO-101 機器人模擬、VLA 訓練與部署

2026-07-01

留言 💬 (0)

還沒有留言,來當第一個。