LLM 應用開發者計劃 (LADP) 介紹

AISG 工程師 Maldri 介紹 LADP：一個為期 4 個月的結構化專案，給參與企業帶來兩件東西——一個面向自家業務問題的可執行 LLM 應用，以及一支能繼續做下一個專案的內部團隊。課程分兩段：4 周深度技能學習涵蓋 NLP 基礎、Transformer 原理、提示工程 (零樣本、少樣本、思維鏈)、Agent 與 RAG 管線、倫理與治理；12 周專案階段每週約 10 小時，前 3 周是 AISG 現場密集工作坊，之後由 AISG 工程師當導師做線上線下諮詢，第 16 周向公司演示。

團隊規模控制在 2-4 人，公司必須出資且提供真實業務問題與內部資料。LADP 同時面向新手和資深工程師。課程展示兩個上一批次的成果：一家公用事業能源公司的 NextGen Simulator 用 LLM 即時生成網路物理事故劇本並即時評分培訓方案；一家電子零售商的 Insight Stream 用 Agent 拉銷售和庫存資料、決定當日 KPI，再由另一個 LLM 寫成自然語言報告直接發到 Slack。

至今 LADP 已合作 40 多家組織，覆蓋教育、金融、IT、法律、旅遊、製造等行業，部分企業回頭做第二、第三個專案。合資格參與者可獲 AISG 資助和 CCP 補貼；詳情見 aap.sg/adp。

字幕語言： zh-Hant · 抓取日期： 2026-05-02

生成式人工智慧不再是實驗性的技術。它已經在各行各業的日常運營中發揮著重塑作用。麥肯錫最近的一項調查發現，65%的組織現在在至少一個業務職能中使用生成式人工智慧，而前一年這一比例為33%。未來12個月內，將大型語言模型能力轉化為可靠的生產級工具的公司將樹立行業標準。大型語言模型應用開發者計劃（LAP）提供了一個結構化的四個月路徑，帶來兩個成果：一個與您的業務問題相匹配的可執行的大型語言模型驅動解決方案，以及一支能夠構建下一個解決方案的團隊。我是Maldri，新加坡人工智慧局的人工智慧工程師。我是這個非常有趣的專案——大型語言模型應用開發者計劃的首席工程師。

通過這個專案，我和我的團隊與各種不同的組織合作，加速他們在業務工作流程中採用生成式人工智慧和大型語言模型，並培訓他們的員工開發此類大型語言模型應用。今天，我將與大家分享更多關於這個專案的資訊。首先，簡單介紹一下新加坡人工智慧局。作為新加坡的國家人工智慧計劃，我們在五大支柱領域構建人工智慧能力。LAP屬於人工智慧創新支柱，幫助企業通過人才發展計劃、人工智慧標準和行業聚焦的舉措採用人工智慧。在LAP中，您將充分利用大型語言模型的強大功能。大型語言模型是驅動當今生成式人工智慧引擎的核心技術。那麼，什麼是大型語言模型？

大型語言模型是擁有數十億引數的深度學習模型，訓練資料涵蓋了大量混合資料，包括開原始碼、新聞和社交媒體帖子、無數開放網際網路頁面以及整本書籍。通過吸收所有這些文本中的模式，它學會理解上下文、推理資訊，並按需生成流暢的回答。在LAP中，參與者學習通過從基礎到高階的提示工程技術利用大型語言模型。提示工程是設計和最佳化輸入提示以引出大型語言模型期望行為的實踐。換句話說，就是像老師指導學生一樣，明確告訴模型您想要什麼。每條指令就是一個提示。新增幾個標籤示例就是少量示例提示。

這是引導大型語言模型完成任何任務的最快方法，從分類客戶郵件到提取法律合同中的關鍵條款。螢幕上您會看到三個示例對，指導模型。第四行展示了它如何將模式應用於一個全新的短語。設計任何複雜度的精準提示正是參與者在LAP中掌握的技能。大型語言模型確實存在侷限性，即使是最好的模型有時也會產生幻覺。它們聽起來很自信，但事實是錯誤的。這裡有一個快速示例。向通用大型語言模型詢問如何在您的HRA門戶申請LEAF。由於無法訪問該私有系統和相關知識，它虛構了一個不存在的公積金流程。在LAP中，我們通過使用檢索增強生成和安全防護，將模型基於您公司自己的資料進行錨定，從而確保答案准確、相關且可信。

根據我們與公司的交流，有兩個障礙反覆出現。第一，技能差距。團隊渴望學習，但缺乏實際動手的生成式人工智慧經驗。第二，信任和輸出可靠性。領導者需要證明他們的大型語言模型應用不會產生幻覺或誤導。LAP消除了這兩個障礙。在四個月內，您和您的團隊將在我們的人工智慧工程師指導下，將最先進的大型語言模型技術應用於您的資料，並最終交付一個可靠且可部署的原型。LAP的課程分兩個階段，總計16周。第一階段是為期四周的深度技能提升階段，您將學習大型語言模型及相關工具和技術的理論知識。第二階段是為期12周的專案階段，您將開始構建您設想的大型語言模型驅動應用，以解決貴公司的實際問題。

在深度技能提升階段，我們為所有參與者提供電子學習材料。完成所有自學材料預計需要約8小時。我們首先讓您掌握自然語言處理基礎和現代大型語言模型的內部工作原理。接著，您將精通提示工程，從零示例、少量示例到鏈式思維技術，以及更多高階技術，以精確控制模型輸出。然後我們介紹代理，講解React框架並構建檢索增強生成管道，使您的大型語言模型能夠與外部工具和資料協同推理。最後，我們以倫理和治理課程收尾，裝備您構建安全、公平且負責任的大型語言模型解決方案。深度技能提升階段結束後，進入為期12周的專案階段。專案階段每週預計投入時間為10小時。

總計120小時專注於構建您的大型語言模型驅動應用。您將利用這段時間進行自主任務，包括準備資料、研究、設計提示、編碼、測試和迭代。專案階段開始時，我們將在新加坡人工智慧局為您舉辦三場密集的知識傳授工作坊。可以把這些課程看作是深度學習、新技術介紹、現場編碼和即時反饋，幫助您將每節課內容應用到自己的原型中。在專案階段的大部分時間裡，您將與分配給您的AISG導師——經驗豐富的人工智慧工程師——進行多次線上或線下諮詢。我們會審查您的程式碼，解決難題，調整專案範圍，確保專案按計劃推進。第16周，每個團隊向AISG團隊演示一個可執行的大型語言模型驅動應用，您也可以邀請公司相關利益方參加。

這是一次真實影響力的展示，包括現場演示、關鍵指標、經驗教訓以及將解決方案推向最終部署的路線圖。每個團隊人數控制在2至4人。兩人是最低人數，便於分工和保持動力；四人是上限，確保每個人的聲音被聽見且決策迅速。小型敏捷團隊能更快迭代，正是快速生成式人工智慧原型開發所需。每個LAP團隊均由公司贊助，擁有真實的業務用例。這意味著您將處理一個您關心的真實業務問題，並直接訪問公司內部資料。由於該專案為兼職設計，適合在職專業人士，您可以在繼續日常工作的同時構建原型。無論您是初學編碼者還是經驗豐富的軟體工程師，都歡迎加入LAP。

我們的指導會根據不同的技術能力進行調整，確保每個人都能為專案做出貢獻並提升技能。現在是時候超越將大型語言模型視為簡單聊天機器人的觀念了。請將它們視為推理引擎，能夠自動化業務工作流程，將團隊產出提升十倍。我將重點介紹兩個由之前LAP批次構建的基於大型語言模型的應用，展示大型語言模型如何變革現實世界的業務流程。首先，是一個大型語言模型驅動的下一代模擬器，幫助一家公用事業和能源行業公司大規模培訓員工應對事故場景。其次，是一個大型語言模型驅動的洞察流，服務於電子和零售報告，將原始銷售和庫存資料在幾分鐘內轉化為清晰的行動項。

這家公用事業和能源公司需要更快、更可擴充套件的複雜網路物理事故響應培訓。然而，培訓仍依賴厚重的PDF手冊和一對一輔導，導致演練緩慢、不一致，知識被困於孤島。通過LAP，團隊構建了NextGen Simulator，一個大型語言模型驅動的培訓平臺，能夠按需啟動逼真的網路物理威脅場景，並即時評分響應方案，使員工能夠大規模演練。底層，一個場景生成大型語言模型每次演練開始時都會生成全新的事故敘述。第二個模型，即響應方案大型語言模型，即時評分每個培訓策略並返回針對性反饋。兩個模型都訪問一個精選的向量儲存庫，包含過去的威脅和事故記錄。通過檢索增強生成技術，它們僅提取當前場景所需的上下文，確保每次演練動態、相關且準確。接下來我們看洞察流。

這家電子零售商需要即時的敘述性報告來支援日常決策。然而，分析師仍需手動篩選原始銷售和庫存資料，然後花更多時間撰寫利益相關者報告。這導致行動延遲，關鍵趨勢被忽視。該團隊構建的洞察流是這樣運作的：一個聚合大型語言模型代理，連線資料清理和指標計算工具，從銷售和庫存向量儲存中提取最新資料，決定當天重要的關鍵績效指標，並打包成資料包。該資料包傳遞給洞察引擎大型語言模型，將數字潤色成通俗易懂的敘述故事，附帶明確的行動點。最終的敘述即時傳送到團隊的Slack頻道，使決策者能夠在洞察生成的瞬間看到資訊。

在我們的各期專案中，我們已經與40多個組織合作，其中一些組織多次參與專案，將生成式人工智慧和大型語言模型（LMP）驅動的應用嵌入到他們的日常業務中。我們有幸幫助了教育、金融、資訊科技、法律、旅遊、製造等多個領域的團隊，從最初的靈感火花一直指導到他們現在每天依賴的即時解決方案。看到這些系統的實際執行正是我們從事這項工作的原因，也證明了一個小而專注的團隊能夠將生成式人工智慧引入即使是最複雜的業務操作中。您和您的團隊從LAP專案中獲得的是一個圍繞您的業務問題陳述構建的語言模型驅動應用，一個在使用語言模型工具和技術方面充滿信心的提升技能的團隊，以及一個可轉移的框架，您可以在下一個專案中繼續使用。

在結束之前，我想完全透明地展示專案費用供您參考。符合條件的參與者可獲得AISG的大額資助，許多人還符合額外的職業轉換專案補貼資格。我們的團隊將在首次會議中引導您瞭解資助選項。如果這些對您和您的團隊有價值，我建議您訪問aap.sg/adp瞭解更多詳情。您也可以考慮參加我們的Zoom直播網路研討會，我們將在會上展示更多案例並即時回答您的問題。感謝您今天與我共度這段時間。我非常希望有機會聽聽您自己的業務挑戰，並探討我們如何共同應對。期待不久後見到您。