LLM Primer 系列 — 一卷一卷讀懂生成式 AI
下田昌平（Sho Shimoda）撰寫的七卷本生成式 AI 現場指南 — 現已完結。從地基一路走到擴展與安全，寫給每天都得在 LLM 上做決定的從業者。
這個系列是什麼
生成式 AI 現在到處都是，可關於它的文字，絕大多數都掉在兩個極端。一頭是把它講得像魔法的新聞標題；另一頭是還沒讀到第二段就要你扛重量級數學的技術論文。中間幾乎沒人寫，而真正每天要做決定的從業者，正好就卡在這個夾縫裡。
LLM Primer 系列就是想把這個夾縫補起來 — 現在完整寫完了。七卷本一起把 LLM 工程當作一門手藝來鋪展：從模型是怎麼運作的、背後的數學、拿檢索把它扎在自家資料上，到用 MCP 設計它的認知、把它推上生產、擴展它的推論、把它安全地部署。每一卷挑一塊，把引擎蓋掀開，把裡面是怎麼轉的講清楚，講到你隔天就能用得上的程度。不故弄玄虛，也不會要你在第二段就翻開線性代數課本。
還有一本姊妹卷《Physical AI》，把同一套機制式的講法延伸到會動的機器 — 機器人、自駕與具身系統。是這一整套「認真讀懂 AI 到底是怎麼運作的」的教材的一部分。
作者下田昌平 — 一位創辦人與工程師，長年在資料、產品與基礎設施之間做決定。這套書是他寫給自己十年前那位「會做事，但還在學新工具」的同行。
這套書是寫給誰看的：給那些需要在 LLM 上做出靠譜判斷，卻沒打算去唸個機器學習博士的從業者。給正在補上生成式那一面的工程師。給想搞清楚自己究竟在向產品做什麼承諾的產品負責人。給資料、安全、客服這些相鄰領域、感到腳下地基正在挪動的技術人。給那些受夠了新聞標題、想自己親眼看一眼的好奇之人。
怎麼讀這個頁面
下面每一卷都列出完整目錄，按 Part 分組。系列裡每一章我們都會寫一篇章節走讀文。已經寫好走讀的章節，標題會做成連結；還沒寫的，先以純文字列出。全七卷現在都已在 Amazon 上市，連結放在各卷的綠色告示區裡。
附錄列出來只是為了透明 — 那些屬於書本內的內容：參考資料、速查表、解答附在後的習題，放在書尾比較合適的東西。要拿附錄，就讀書。
第 I 卷 — 生成式 AI 是怎麼運作的
《大型語言模型基礎的清楚實用指南》
整個系列的白話入口。從零開始 — token、訓練、「猜下一個字」這個簡單的動作 — 一磚一瓦砌出一張「LLM 究竟是什麼、怎麼被訓練、為什麼會這樣表現」的誠實又無術語的圖，不預設你有任何背景。是後面每一卷都要踩著走的地基。
|
|
系列序言： LLM Primer I — 章節走讀：前言與目錄
附錄 （書中專屬）
| 附錄 A | LLM 術語表 |
| 附錄 B | 注意力背後的數學 |
| 附錄 C | Prompt 速查表 |
第 II 卷 — 從數學的角度看語言模型
《用數學的洞察力探索 AI 的內在運作》
一趟數學嚴謹卻又讀得下去的內裡之旅：注意力、優化動態、損失地景、擴展行為 — 都從「真正讓它們運作的那段數學」走進去看。每一條重要的方程式都從頭推導，每一條都纏著一個故事、一個比喻、一個算出來的數值範例。寫給那些想拿到第一卷裡留在邊欄的那些數學的人。
|
|
系列序言： LLM Primer II — 章節走讀：前言與目錄
附錄 （書中專屬）
| 附錄 | LLM 數學速查表 |
| 附錄 | 從統計學看 LLM 的觀點 |
| 附錄 | 常被問到的問題 |
| 附錄 | 關鍵推導逐步寫 |
| 附錄 | 練習題與解答 |
| 附錄 | 符號索引 |
| 附錄 | 一次完整前向傳遞，逐數字走過 |
| 附錄 | 觀念演化的時間軸 |
第 III 卷 — 用 RAG 強化企業 AI
《替企業打造檢索增強生成系統的實戰指南》
實戰的檢索增強生成 — 向量資料庫、切分策略，以及把模型扎在自家文件上的架構 — 讓企業答案保持新鮮、可被引用。如果你的工作是把「要跟著資訊變、又要交代得出來源」的 AI 功能送上線，就讀這一卷。
|
|
系列導言： LLM Primer III 章節解讀 — 系列導言與目錄
第一部 — 檢索增強生成的地基
第二部 — 資料攝取、解析與切分
第三部 — 向量資料庫與檢索優化
第四部 — 安全、隱私與存取控制
第五部 — 評估、監控與維護
附錄 （書中專屬）
| 附錄 A | RAG 優化的關鍵數學公式 |
| 附錄 B | 用於資料去識別化與評估的範例系統提示 |
| 附錄 C | 向量資料庫與工具的決策矩陣 |
| 附錄 D | RAG 評估的 benchmark 資料集 |
第 IV 卷 — 用 MCP 設計 AI 的認知
《為可靠 AI 智能體設計上下文、工具與記憶》
結構化的上下文建模與編排：不去動模型本身，而是透過設計它看到的上下文與情境，來形塑它的推理。如果你正在建構智能體系統 — 工具清單、長時間迴圈、跨工作階段的記憶，以及「決定模型能看到什麼」的這門紀律 — 就讀這一卷。
|
|
系列導言： LLM Primer IV 章節解讀 — 系列導言與目錄
第一部 — AI 整合的典範轉移
第二部 — MCP 的核心機制
第三部 — 多智能體編排模式
第四部 — 設計 AI 的認知：上下文與記憶
第五部 — 保護智能體工作流
第六部 — 生產工程與規模
附錄 （書中專屬）
| 附錄 A | MCP 速查表 |
| 附錄 B | 實作藍圖與程式碼範例 |
| 附錄 C | 上線整備與安全檢核表 |
| 附錄 D | 進階規格與 SEPs |
| 附錄 E | Benchmarks 與效能資料 |
| 附錄 F | 官方資源與生態連結 |
第 V 卷 — 打造真實世界裡的 LLM 應用
《在生產環境裡設計、評估與營運 LLM 系統》
一本以系統視角看「從原型到上線」的書 — API 設計、評估迴圈、監控、整合 — 把一個有能力的模型，變成一個能被信靠的產品。把架構上的理解轉成「真有使用者的服務」的那一卷。
|
|
系列導言： LLM Primer V 章節解讀 — 系列導言與目錄
第一部 — AI 工程的地基
第二部 — 打造智能體與檢索能力
第三部 — 品質保證與可觀測性
第四部 — 安全、規模與優化
附錄 （書中專屬）
| 附錄 A | 上線整備與安全檢核表 |
| 附錄 B | 工具與框架的選擇矩陣 |
| 附錄 C | 協定、串流與結構化輸出 |
| 附錄 D | 流量限制與成本管理架構 |
| 附錄 E | AI 工程指標與術語表 |
第 VI 卷 — 把 AI 系統擴展起來
《為生產規模設計低延遲 LLM 推論架構》
高效能推論的架構：分散式服務、延遲優化、成本模型，給每天要回答百萬次的系統用。當你的 AI 系統長到不只一台伺服器、開始得像一塊真正的基礎設施那樣行為時，就是讀這一卷的時候。
|
|
系列導言： LLM Primer VI 章節解讀 — 系列導言與目錄
第一部 — LLM 推論的地基
第二部 — 硬體底層
第三部 — 模型層的優化（壓縮）
第四部 — 系統與引擎層的優化
第五部 — 服務框架與編排
第六部 — 應用層的經濟學與 TCO
附錄 （書中專屬）
| 附錄 A | 數學公式與成本模型參考 |
| 附錄 B | 硬體與加速器規格指南 |
| 附錄 C | 部署設定與程式碼片段 |
| 附錄 D | Benchmark 方法論與指標定義 |
第 VII 卷 — AI 安全
《防範提示注入、越獄與對抗性威脅》
設計安全又魯棒的 AI：對抗性風險、提示注入、治理框架，以及部署在真實世界裡的系統該怎麼做防禦性設計。當你的 AI 系統得當作「跟安全相關的基礎設施」來看時，就讀這一卷。
|
|
系列導言： LLM Primer VII 章節解讀 — 系列導言與目錄
第一部 — AI 安全的地基
第二部 — 提示與互動安全
第三部 — 模型的魯棒性與可靠性
第四部 — 系統層的安全架構
第五部 — 治理、倫理與合規
第六部 — 進階主題
附錄 （書中專屬）
| 附錄 A | 生產系統的 AI 安全檢核表 |
| 附錄 B | 威脅模型範本 |
| 附錄 C | 安全的 Prompt 設計模式 |
| 附錄 D | LLM 應用的事件回應範本 |
| 附錄 E | 推薦的工具與框架 |
Physical AI — 一部姊妹卷
《Physical AI》是這套系列旁邊的一部姊妹卷。LLM Primer 講的是產出文字、程式碼與判斷的模型；《Physical AI》講的則是把這一套機制式的講法延伸到會動的機器 — 機器人、自駕載具與具身系統。感知、規畫、控制、模擬到真實（sim-to-real）這條路，以及當一個 AI 系統得對物理世界負責時會浮出來的安全議題 — 都用同一套「把引擎蓋掀開，把裡面怎麼轉的講清楚」的方式來寫。
它不是這個七卷本系列的一部分，而是相鄰的一卷：同樣的作者、同樣的口氣、同樣「認真讀懂，不故弄玄虛」的態度，對象換成物理領域裡的 AI。
