生成式AI × 穩健提示框架技術 III：語言模型與介面設計篇 | Hugging Face × Streamlit × Gradio
活動訊息
閱讀漫遊錄-2026上半年暢銷榜
內容簡介
https://youtu.be/wXkyKiU9eu0
「從模型到介面，從部署到串接，打造可操作、可擴充的語言模型應用」
◼ 建立穩定的開發與資料處理基礎
從 Google Colab、Anaconda、Jupyter Notebook 到 Pandas，掌握 CSV、Google Sheets 與多種資料格式的讀取、整理與比對。
◼ 將 Python 程式轉化為可操作的動態 APP
比較 Gradio、Streamlit、Tkinter 與 CustomTkinter 的介面特色，實作股價資料查詢與財報 RAG 應用。
◼ 完成 Hugging Face Spaces 部署與除錯
掌握 requirements.txt、README、Secret、API Key、套件版本管理，以及常見平台部署流程。
◼ 理解開源模型、微調與量化技術
認識 Llama、ChatGLM、TAIDE、Breeze、Qwen、Yi，並掌握 SFT、LoRA、QLoRA、模型量化、RLHF、PPO 與 DPO 的微調核心概念。
◼ 串接知識庫、通訊工具與跨平台工作流
實作 RAG、AnythingLLM、MAKE、Line Bot、Google Sheets、Telegram、Claude API 與 MCP，延伸模型的查詢、推播與任務串接能力。
專業推薦 (排名不分先後)
國立中山大學物理系─莊豐權特聘教授
欣榮藝術行銷有限公司 執行長、吾料音樂創造工作室 創辦人─侯沛罧 敬薦
綠先農業科技國際股份有限公司─張靜雯經理
伽碩職訓中心─郭明洽執行長
嘉南藥理大學人工智慧與多媒體應用系─蘇致遠教授
元大─陳尚瑋副理
數位行銷顧問─佘昀
永義房屋高鐵自由加盟店 店長 / 第21 屆金仲獎楷模─王靚瑜
永達保經─李雅雯經理
「從模型到介面，從部署到串接，打造可操作、可擴充的語言模型應用」
◼ 建立穩定的開發與資料處理基礎
從 Google Colab、Anaconda、Jupyter Notebook 到 Pandas，掌握 CSV、Google Sheets 與多種資料格式的讀取、整理與比對。
◼ 將 Python 程式轉化為可操作的動態 APP
比較 Gradio、Streamlit、Tkinter 與 CustomTkinter 的介面特色，實作股價資料查詢與財報 RAG 應用。
◼ 完成 Hugging Face Spaces 部署與除錯
掌握 requirements.txt、README、Secret、API Key、套件版本管理，以及常見平台部署流程。
◼ 理解開源模型、微調與量化技術
認識 Llama、ChatGLM、TAIDE、Breeze、Qwen、Yi，並掌握 SFT、LoRA、QLoRA、模型量化、RLHF、PPO 與 DPO 的微調核心概念。
◼ 串接知識庫、通訊工具與跨平台工作流
實作 RAG、AnythingLLM、MAKE、Line Bot、Google Sheets、Telegram、Claude API 與 MCP，延伸模型的查詢、推播與任務串接能力。
專業推薦 (排名不分先後)
國立中山大學物理系─莊豐權特聘教授
欣榮藝術行銷有限公司 執行長、吾料音樂創造工作室 創辦人─侯沛罧 敬薦
綠先農業科技國際股份有限公司─張靜雯經理
伽碩職訓中心─郭明洽執行長
嘉南藥理大學人工智慧與多媒體應用系─蘇致遠教授
元大─陳尚瑋副理
數位行銷顧問─佘昀
永義房屋高鐵自由加盟店 店長 / 第21 屆金仲獎楷模─王靚瑜
永達保經─李雅雯經理
目錄
▌1 基礎雲端IDE 安裝與設定
1.1 Google Colaboratory 介紹與安裝
1.2 Anaconda 安裝 - Jupyter Notebook
1.3 Python 版本差異說明
1.4 IDE 環境與API 衝突排解
1.5 CMD 下指令安裝
▌2 基礎Pnadas 讀寫與勾稽比對應用
2.1 Pandas 讀取CSV 應用
2.2 Pandas 讀Google Sheets 介紹
2.3 Pandas 用於勾稽比對不同表單
2.4 Pandas 讀取不同資料格式說明
▌3 雲端部署平台介紹
3.1 什麼是Hugging Face ( 抱抱臉)
3.2 註冊Hugging Face 帳號
3.3 不同部署空間介紹與說明
▌4 介面的設計與改寫方法
4.1 Gradio 動態APP 框架介紹與說明
4.2 Streamlit 動態APP 框架介紹與說明
4.3 Tkinter 使用者介面介紹與說明
4.4 CustomTkinter 使用者介面介紹與說明
▌5 生成式AI 工具開發介紹
5.1 Claude AI 介紹與應用- Cowork & Dispatch 介紹
5.2 Vibe Coding 應用
5.3 Perplexity AI 介紹與應用- Comet & Computer 介紹
5.4 Chrome 內建Gemini 的應用(FB 和Threads 為例)
▌6 動態APP 改寫實作
6.1 Hugging Face 部署觀念與requirements.txt
6.2 股價爬取實作改寫成Gradio 框架與部署
6.3 刪除Space 與Secret 埋API Key 的作法
6.4 財報RAG 加上Line Bot 推播助理的Gradio 部署
6.5 何謂README.md 與最新框架的版號
6.6 如何在HuggingFace 上除錯
6.7 股價爬取實作改寫成Streamlit 框架與部署
▌7 常見開源模型介紹
7.1 Llama 模型介紹
7.2 ChatGLM 模型介紹
7.3 TAIDE 模型介紹
7.4 Breeze 模型介紹
7.5 Qwen 模型介紹
7.6 Yi 模型介紹
7.7 各家模型比較優劣
7.8 FormosanBank 資料庫介紹
▌8 LLM 微調必備知識
8.1 什麼是SFT?
8.2 準備SFT 所需的資料
8.3 SFT 在企業問答、摘要、分類與助理系統的應用
8.4 量化壓縮、剪枝法、知識蒸餾介紹
8.5 BF16、INT8、INT4、NF4 量化基本概念
▌9 LLM 載入與量化應用
9.1 Full-Tuning VS. LoRA VS. QLoRA
9.2 LoRA 的核心原理與優勢
9.3 QLoRA 如何在量化基礎上進一步降低成本
9.4 不同微調方法適用場景比較
9.5 關鍵區塊、訓練參數等核心設定的微調
▌10 SFT 訓練資料準備與微調實戰
10.1 SFT 與QLoRA 微調模型輸出與測試觀念介紹
10.2 SFT 與QLoRA 微調模型輸出與測試實作
▌11 偏好對齊與RLHF 與DPO 核心觀念
11.1 RLHF 的基本流程與設計思維
11.2 DPO 的核心概念與相對優勢
11.3 PPO 在傳統RLHF 中的角色
11.4 SFT 與DPO 比較
▌12 RAG 應用與打造地端的個人知識庫
12.1 什麼是RAG?
12.2 不同RAG 的介紹與應用
12.3 Groq API key 申請
12.4 RAG 程式實作
12.5 申請Gemini API 的應用
12.6 Anyting LLM- 新增桌面助手應用
12.7 Gemini Notebook 和 AnythingLLM 比較
▌13 MAKE 工作流- 跨平台的應用
13.1 MAKE 第三方串接平台應用實作
13.2 Line Bot 與Google Sheets 串接與應用
▌14 Telegram 通訊軟體應用實作
14.1 Telegram 介紹與安裝
14.2 Telegram 的token 和Chat ID 申請實作
14.3 Telegram Say Hi 的程式模組
14.4 Telegram 回音的程式模組
14.5 Telegram 檔案傳送模組
14.6 Telegram 圖片傳送模組
14.7 Line Bot 和 Telegram 兩者的比較
▌15 Manus Agent 的介紹與應用
15.1 Manus AI 是什麼？
15.2 Manus AI 技術核心與使用方式
15.3 Manus AI 效率應用場景
15.4 Manus AI 方案與價格選擇
15.5 Manus AI 常見問題整理
總結
▌16 Claude AI 證照介紹
16.1 Claude AI 是什麼?
16.2 Claude AI 證照如何取得?
16.3 Claude 基礎入門
16.4 實戰 Claude Code
16.5 Agent Skills 簡介
16.6 Claude API 開發應用
16.7 MCP 架構
1.1 Google Colaboratory 介紹與安裝
1.2 Anaconda 安裝 - Jupyter Notebook
1.3 Python 版本差異說明
1.4 IDE 環境與API 衝突排解
1.5 CMD 下指令安裝
▌2 基礎Pnadas 讀寫與勾稽比對應用
2.1 Pandas 讀取CSV 應用
2.2 Pandas 讀Google Sheets 介紹
2.3 Pandas 用於勾稽比對不同表單
2.4 Pandas 讀取不同資料格式說明
▌3 雲端部署平台介紹
3.1 什麼是Hugging Face ( 抱抱臉)
3.2 註冊Hugging Face 帳號
3.3 不同部署空間介紹與說明
▌4 介面的設計與改寫方法
4.1 Gradio 動態APP 框架介紹與說明
4.2 Streamlit 動態APP 框架介紹與說明
4.3 Tkinter 使用者介面介紹與說明
4.4 CustomTkinter 使用者介面介紹與說明
▌5 生成式AI 工具開發介紹
5.1 Claude AI 介紹與應用- Cowork & Dispatch 介紹
5.2 Vibe Coding 應用
5.3 Perplexity AI 介紹與應用- Comet & Computer 介紹
5.4 Chrome 內建Gemini 的應用(FB 和Threads 為例)
▌6 動態APP 改寫實作
6.1 Hugging Face 部署觀念與requirements.txt
6.2 股價爬取實作改寫成Gradio 框架與部署
6.3 刪除Space 與Secret 埋API Key 的作法
6.4 財報RAG 加上Line Bot 推播助理的Gradio 部署
6.5 何謂README.md 與最新框架的版號
6.6 如何在HuggingFace 上除錯
6.7 股價爬取實作改寫成Streamlit 框架與部署
▌7 常見開源模型介紹
7.1 Llama 模型介紹
7.2 ChatGLM 模型介紹
7.3 TAIDE 模型介紹
7.4 Breeze 模型介紹
7.5 Qwen 模型介紹
7.6 Yi 模型介紹
7.7 各家模型比較優劣
7.8 FormosanBank 資料庫介紹
▌8 LLM 微調必備知識
8.1 什麼是SFT?
8.2 準備SFT 所需的資料
8.3 SFT 在企業問答、摘要、分類與助理系統的應用
8.4 量化壓縮、剪枝法、知識蒸餾介紹
8.5 BF16、INT8、INT4、NF4 量化基本概念
▌9 LLM 載入與量化應用
9.1 Full-Tuning VS. LoRA VS. QLoRA
9.2 LoRA 的核心原理與優勢
9.3 QLoRA 如何在量化基礎上進一步降低成本
9.4 不同微調方法適用場景比較
9.5 關鍵區塊、訓練參數等核心設定的微調
▌10 SFT 訓練資料準備與微調實戰
10.1 SFT 與QLoRA 微調模型輸出與測試觀念介紹
10.2 SFT 與QLoRA 微調模型輸出與測試實作
▌11 偏好對齊與RLHF 與DPO 核心觀念
11.1 RLHF 的基本流程與設計思維
11.2 DPO 的核心概念與相對優勢
11.3 PPO 在傳統RLHF 中的角色
11.4 SFT 與DPO 比較
▌12 RAG 應用與打造地端的個人知識庫
12.1 什麼是RAG?
12.2 不同RAG 的介紹與應用
12.3 Groq API key 申請
12.4 RAG 程式實作
12.5 申請Gemini API 的應用
12.6 Anyting LLM- 新增桌面助手應用
12.7 Gemini Notebook 和 AnythingLLM 比較
▌13 MAKE 工作流- 跨平台的應用
13.1 MAKE 第三方串接平台應用實作
13.2 Line Bot 與Google Sheets 串接與應用
▌14 Telegram 通訊軟體應用實作
14.1 Telegram 介紹與安裝
14.2 Telegram 的token 和Chat ID 申請實作
14.3 Telegram Say Hi 的程式模組
14.4 Telegram 回音的程式模組
14.5 Telegram 檔案傳送模組
14.6 Telegram 圖片傳送模組
14.7 Line Bot 和 Telegram 兩者的比較
▌15 Manus Agent 的介紹與應用
15.1 Manus AI 是什麼？
15.2 Manus AI 技術核心與使用方式
15.3 Manus AI 效率應用場景
15.4 Manus AI 方案與價格選擇
15.5 Manus AI 常見問題整理
總結
▌16 Claude AI 證照介紹
16.1 Claude AI 是什麼?
16.2 Claude AI 證照如何取得?
16.3 Claude 基礎入門
16.4 實戰 Claude Code
16.5 Agent Skills 簡介
16.6 Claude API 開發應用
16.7 MCP 架構
序／導讀
序言
本書是我在車禍後，要在復健和上課之餘的寫作；感謝深智出版社在本人受傷時，仍給予機會使我有機會繼續創作，這本書主要介紹Hugging Face 和Gradio 的概念給想入門的初學者，同時補充其他目前最新的證照和AI 工具，希望可以在充滿AI 焦慮的時代，讓讀者諸君可以重拾對AI 工具的熱情，並融入到生活上的工作，AI 不會取代人類；應該為當代的文明感到正面、積極，這是一個可以百倍提高工作效率、獲得知識的年代，透過AI 工具可以打破知識的藩籬和隔閡！
最後要感謝父母的理解和幫忙，以及好朋友們的鼓勵與探望，使我可以快速康復，仍然保持靈魂的亮度和對AI 科技的熱情！
朝健 於2026.6 月端午節
本書是我在車禍後，要在復健和上課之餘的寫作；感謝深智出版社在本人受傷時，仍給予機會使我有機會繼續創作，這本書主要介紹Hugging Face 和Gradio 的概念給想入門的初學者，同時補充其他目前最新的證照和AI 工具，希望可以在充滿AI 焦慮的時代，讓讀者諸君可以重拾對AI 工具的熱情，並融入到生活上的工作，AI 不會取代人類；應該為當代的文明感到正面、積極，這是一個可以百倍提高工作效率、獲得知識的年代，透過AI 工具可以打破知識的藩籬和隔閡！
最後要感謝父母的理解和幫忙，以及好朋友們的鼓勵與探望，使我可以快速康復，仍然保持靈魂的亮度和對AI 科技的熱情！
朝健 於2026.6 月端午節
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價