本課程聚焦 LLM AI 應用程式開發所需要的 Prompt Engineering 及 API 串接，因此不會教 ChatGPT 使用、機器學習、LLM 歷史沿革、深度學習 Transformer 架構、模型訓練、模型地端部署、AI 趨勢案例、企業 AI 工具導入、AI 個人工作提升、Co-pilot 工具、AI 產品設計、AI UX 等等不是本課程內容。

會用 Python，但不需要事先學習沒關係。Workshop 會提供線上的 Google Colab 範本做練習，上課只要有筆電+瀏覽器就可以，無需煩惱安裝環境。只會用到非常簡單的 Python 語法。只要有寫過 JavaScript, Ruby, PHP, Java, C# 等語言，並有串接 HTTP API 的經驗，上課就沒有問題。

不需要，只要會寫程式，無論是何種程式語言專長均可。

不會，本課程盡量直接呼叫 LLM API，而不依賴使用 LangChain 等應用框架。

這些複雜的框架過度抽象和封裝，不但限制了修改彈性，也增加了除錯的難度。而且目前 LLM 領域進展非常快，框架的變化也很大，依賴特定框架在版本升級時會非常麻煩。以 LangChain 為例每幾個月就大升級，每次都造成 breaking changes 讓你原來會動的程式一升級就壞掉。花時間學習 LangChain 或 Llamaindex 等框架，你只是花大部分的時間在學習框架專屬的、不穩定的 API 如何使用。本課程的學員能夠確實了解 Prompt 和 Chaining Prompts 的原理，因此無論你的 App 用什麼語言，都可以實作出來。就算真的想用框架工具，也能很快理解這些框架的功能原理。

連這個也盡量不會用，因為本課程的準備方向是以非 Python 工程師也能學了之後，用自己熟悉的程式語言實作出來。因此只會用 HTTP request 拿到 JSON、 程式語言只用到字串、數字、陣列、雜湊、函式等等語法而已。

會用 Gradio 做些簡單的 UI 示範，但在緊湊的課程內，主要重點是 Prompt Engineering 和 LLM 的 API 串接，因此不會花時間教 App 開發和部署。例如 WebSocket、LINE Messaging API、Discord Bot、Slack API、Telegram Bot 等即時聊天技術不在本課程範圍。

不會，也不需要 GPU。本課程不會教如何用地端伺服器(或租用整台雲端伺服器)來訓練、部署模型，這是大公司專門的機器學習工程師才需要的技能跟工作。我們會使用 Token based pricing 的線上 LLM 服務，例如 OpenAI API、Azure OpenAI、Amazon Bedrock、Google Vertex AI Studio 這種根據 Token 用量計費的雲端服務。

本課程會教如何直覺看待 LLM 模型的思維，但就像寫應用程式不需要先學會做出編譯器，寫 LLM AI 應用也不需要知道如何訓練 LLM 模型。

不會教微調技術(PEFT, LoRA 等)，也不會教自行部署開源模型做微調，例如透過 PEFT 自己寫 code 來做微調這種不會教，這是機器學習工程師才需要的技能。