LLM 应用开发者计划 (LADP) 介绍

AISG 工程师 Maldri 介绍 LADP：一个为期 4 个月的结构化项目，给参与企业带来两件东西——一个面向自家业务问题的可运行 LLM 应用，以及一支能继续做下一个项目的内部团队。课程分两段：4 周深度技能学习涵盖 NLP 基础、Transformer 原理、提示工程 (零样本、少样本、思维链)、Agent 与 RAG 管线、伦理与治理；12 周项目阶段每周约 10 小时，前 3 周是 AISG 现场密集工作坊，之后由 AISG 工程师当导师做线上线下咨询，第 16 周向公司演示。

团队规模控制在 2-4 人，公司必须出资且提供真实业务问题与内部数据。LADP 同时面向新手和资深工程师。课程展示两个上一批次的成果：一家公用事业能源公司的 NextGen Simulator 用 LLM 实时生成网络物理事故剧本并即时评分培训方案；一家电子零售商的 Insight Stream 用 Agent 拉销售和库存数据、决定当日 KPI，再由另一个 LLM 写成自然语言报告直接发到 Slack。

至今 LADP 已合作 40 多家组织，覆盖教育、金融、IT、法律、旅游、制造等行业，部分企业回头做第二、第三个项目。合资格参与者可获 AISG 资助和 CCP 补贴；详情见 aap.sg/adp。

字幕语言：zh-CN · 抓取日期：2026-05-02 · 翻译日期：2026-05-02

生成式人工智能不再是实验性的技术。它已经在各行各业的日常运营中发挥着重塑作用。麦肯锡最近的一项调查发现，65%的组织现在在至少一个业务职能中使用生成式人工智能，而前一年这一比例为33%。未来12个月内，将大型语言模型能力转化为可靠的生产级工具的公司将树立行业标准。大型语言模型应用开发者计划（LAP）提供了一个结构化的四个月路径，带来两个成果：一个与您的业务问题相匹配的可运行的大型语言模型驱动解决方案，以及一支能够构建下一个解决方案的团队。我是Maldri，新加坡人工智能局的人工智能工程师。我是这个非常有趣的项目——大型语言模型应用开发者计划的首席工程师。

通过这个项目，我和我的团队与各种不同的组织合作，加速他们在业务工作流程中采用生成式人工智能和大型语言模型，并培训他们的员工开发此类大型语言模型应用。今天，我将与大家分享更多关于这个项目的信息。首先，简单介绍一下新加坡人工智能局。作为新加坡的国家人工智能计划，我们在五大支柱领域构建人工智能能力。LAP属于人工智能创新支柱，帮助企业通过人才发展计划、人工智能标准和行业聚焦的举措采用人工智能。在LAP中，您将充分利用大型语言模型的强大功能。大型语言模型是驱动当今生成式人工智能引擎的核心技术。那么，什么是大型语言模型？

大型语言模型是拥有数十亿参数的深度学习模型，训练数据涵盖了大量混合数据，包括开源代码、新闻和社交媒体帖子、无数开放互联网页面以及整本书籍。通过吸收所有这些文本中的模式，它学会理解上下文、推理信息，并按需生成流畅的回答。在LAP中，参与者学习通过从基础到高级的提示工程技术利用大型语言模型。提示工程是设计和优化输入提示以引出大型语言模型期望行为的实践。换句话说，就是像老师指导学生一样，明确告诉模型您想要什么。每条指令就是一个提示。添加几个标签示例就是少量示例提示。

这是引导大型语言模型完成任何任务的最快方法，从分类客户邮件到提取法律合同中的关键条款。屏幕上您会看到三个示例对，指导模型。第四行展示了它如何将模式应用于一个全新的短语。设计任何复杂度的精准提示正是参与者在LAP中掌握的技能。大型语言模型确实存在局限性，即使是最好的模型有时也会产生幻觉。它们听起来很自信，但事实是错误的。这里有一个快速示例。向通用大型语言模型询问如何在您的HRA门户申请LEAF。由于无法访问该私有系统和相关知识，它虚构了一个不存在的公积金流程。在LAP中，我们通过使用检索增强生成和安全防护，将模型基于您公司自己的数据进行锚定，从而确保答案准确、相关且可信。

根据我们与公司的交流，有两个障碍反复出现。第一，技能差距。团队渴望学习，但缺乏实际动手的生成式人工智能经验。第二，信任和输出可靠性。领导者需要证明他们的大型语言模型应用不会产生幻觉或误导。LAP消除了这两个障碍。在四个月内，您和您的团队将在我们的人工智能工程师指导下，将最先进的大型语言模型技术应用于您的数据，并最终交付一个可靠且可部署的原型。LAP的课程分两个阶段，总计16周。第一阶段是为期四周的深度技能提升阶段，您将学习大型语言模型及相关工具和技术的理论知识。第二阶段是为期12周的项目阶段，您将开始构建您设想的大型语言模型驱动应用，以解决贵公司的实际问题。

在深度技能提升阶段，我们为所有参与者提供电子学习材料。完成所有自学材料预计需要约8小时。我们首先让您掌握自然语言处理基础和现代大型语言模型的内部工作原理。接着，您将精通提示工程，从零示例、少量示例到链式思维技术，以及更多高级技术，以精确控制模型输出。然后我们介绍代理，讲解React框架并构建检索增强生成管道，使您的大型语言模型能够与外部工具和数据协同推理。最后，我们以伦理和治理课程收尾，装备您构建安全、公平且负责任的大型语言模型解决方案。深度技能提升阶段结束后，进入为期12周的项目阶段。项目阶段每周预计投入时间为10小时。

总计120小时专注于构建您的大型语言模型驱动应用。您将利用这段时间进行自主任务，包括准备数据、研究、设计提示、编码、测试和迭代。项目阶段开始时，我们将在新加坡人工智能局为您举办三场密集的知识传授工作坊。可以把这些课程看作是深度学习、新技术介绍、现场编码和即时反馈，帮助您将每节课内容应用到自己的原型中。在项目阶段的大部分时间里，您将与分配给您的AISG导师——经验丰富的人工智能工程师——进行多次线上或线下咨询。我们会审查您的代码，解决难题，调整项目范围，确保项目按计划推进。第16周，每个团队向AISG团队演示一个可运行的大型语言模型驱动应用，您也可以邀请公司相关利益方参加。

这是一次真实影响力的展示，包括现场演示、关键指标、经验教训以及将解决方案推向最终部署的路线图。每个团队人数控制在2至4人。两人是最低人数，便于分工和保持动力；四人是上限，确保每个人的声音被听见且决策迅速。小型敏捷团队能更快迭代，正是快速生成式人工智能原型开发所需。每个LAP团队均由公司赞助，拥有真实的业务用例。这意味着您将处理一个您关心的真实业务问题，并直接访问公司内部数据。由于该项目为兼职设计，适合在职专业人士，您可以在继续日常工作的同时构建原型。无论您是初学编码者还是经验丰富的软件工程师，都欢迎加入LAP。

我们的指导会根据不同的技术能力进行调整，确保每个人都能为项目做出贡献并提升技能。现在是时候超越将大型语言模型视为简单聊天机器人的观念了。请将它们视为推理引擎，能够自动化业务工作流程，将团队产出提升十倍。我将重点介绍两个由之前LAP批次构建的基于大型语言模型的应用，展示大型语言模型如何变革现实世界的业务流程。首先，是一个大型语言模型驱动的下一代模拟器，帮助一家公用事业和能源行业公司大规模培训员工应对事故场景。其次，是一个大型语言模型驱动的洞察流，服务于电子和零售报告，将原始销售和库存数据在几分钟内转化为清晰的行动项。

这家公用事业和能源公司需要更快、更可扩展的复杂网络物理事故响应培训。然而，培训仍依赖厚重的PDF手册和一对一辅导，导致演练缓慢、不一致，知识被困于孤岛。通过LAP，团队构建了NextGen Simulator，一个大型语言模型驱动的培训平台，能够按需启动逼真的网络物理威胁场景，并即时评分响应方案，使员工能够大规模演练。底层，一个场景生成大型语言模型每次演练开始时都会生成全新的事故叙述。第二个模型，即响应方案大型语言模型，实时评分每个培训策略并返回针对性反馈。两个模型都访问一个精选的向量存储库，包含过去的威胁和事故记录。通过检索增强生成技术，它们仅提取当前场景所需的上下文，确保每次演练动态、相关且准确。接下来我们看洞察流。

这家电子零售商需要即时的叙述性报告来支持日常决策。然而，分析师仍需手动筛选原始销售和库存数据，然后花更多时间撰写利益相关者报告。这导致行动延迟，关键趋势被忽视。该团队构建的洞察流是这样运作的：一个聚合大型语言模型代理，连接数据清理和指标计算工具，从销售和库存向量存储中提取最新数据，决定当天重要的关键绩效指标，并打包成数据包。该数据包传递给洞察引擎大型语言模型，将数字润色成通俗易懂的叙述故事，附带明确的行动点。最终的叙述即时发送到团队的Slack频道，使决策者能够在洞察生成的瞬间看到信息。

在我们的各期项目中，我们已经与40多个组织合作，其中一些组织多次参与项目，将生成式人工智能和大型语言模型（LMP）驱动的应用嵌入到他们的日常业务中。我们有幸帮助了教育、金融、信息技术、法律、旅游、制造等多个领域的团队，从最初的灵感火花一直指导到他们现在每天依赖的实时解决方案。看到这些系统的实际运行正是我们从事这项工作的原因，也证明了一个小而专注的团队能够将生成式人工智能引入即使是最复杂的业务操作中。您和您的团队从LAP项目中获得的是一个围绕您的业务问题陈述构建的语言模型驱动应用，一个在使用语言模型工具和技术方面充满信心的提升技能的团队，以及一个可转移的框架，您可以在下一个项目中继续使用。

在结束之前，我想完全透明地展示项目费用供您参考。符合条件的参与者可获得AISG的大额资助，许多人还符合额外的职业转换项目补贴资格。我们的团队将在首次会议中引导您了解资助选项。如果这些对您和您的团队有价值，我建议您访问aap.sg/adp了解更多详情。您也可以考虑参加我们的Zoom直播网络研讨会，我们将在会上展示更多案例并实时回答您的问题。感谢您今天与我共度这段时间。我非常希望有机会听听您自己的业务挑战，并探讨我们如何共同应对。期待不久后见到您。