LLM介紹
本頁面為AI愛好者提供從基礎到應用的大型語言模型（LLM）指南。
第 17 章 — 未來威脅與新興防禦
LLM Primer VII 章節走讀第十七篇,也是最終篇。本章越過已經成熟到能寫下的紀律,命名那些社群仍在弄清楚的紀律 — 自主 agent、多模態攻擊面、合成身分,以及 2026 年中的 AI-versus-AI 軍備競賽。
2026-05-26
第 16 章 — 安全的微調與適配
LLM Primer VII 章節走讀第十六篇。本章把微調後的模型當作一份其安全屬性必須被爭取、不是被繼承的產物 — 因為同一批教出領域詞彙的梯度步伐,也能侵蝕基底模型帶來的對齊。
2026-05-25
第 14 章 — 偏見、公平性與負責任 AI
LLM Primer VII 章節走讀第十四篇。本章把負責任 AI 當作在不確定下做選擇的紀律 — 那裡技術工具浮現取捨,卻不解決它們。
2026-05-23
第 12 章 — 存取控制與身分
LLM Primer VII 章節走讀第十二篇。本章回答組合性問題 — 誰被允許呼叫一個 LLM 整合應用的哪一項能力,以及如何在系統元件之間結構化執行。
2026-05-21
第 10 章 — 設計安全的 LLM 架構
LLM Primer VII 章節走讀第十篇。本章把架構視為主要的資安學科 — 因為一個機率元件最安全的組態,是那個爆炸半徑被結構所限制的組態,而不是那個仰賴元件自身克制的組態。
2026-05-19
第 9 章 — 模型完整性與供應鏈風險
LLM Primer VII 章節走讀第九篇。本章把模型檔案當作一份由第三方發佈的二進位檔案 — 帶著二進位發佈一直以來所承載的反序列化、後門與來源歸屬顧慮。
2026-05-18
第 8 章 — 對模型的對抗性攻擊
LLM Primer VII 章節走讀第八篇。本章追溯對抗性攻擊 — 從 Goodfellow 2014 年的影像分類器工作,經 TextFooler 與 universal suffix,一路到針對生產 API 的 model stealing。
2026-05-17
第 7 章 — 幻覺與可靠性
LLM Primer VII 章節走讀第七篇。本章把可靠性當作一項安全屬性來處理 — 因為每當後果依賴於正確性時,一份自信而錯誤的輸出就是安全問題。
2026-05-16
第 6 章 — 檢索增強生成的風險
LLM Primer VII 章節走讀第六篇。本章把檢索語料當作一條不可信的輸入通道 — 因為每一份被索引的文件,從模型的視角來看,都是與使用者問題對等地位的一則指令。
2026-05-15
第 5 章 — 輸入驗證與輸出過濾
LLM Primer VII 章節走讀第五篇。本章把第 4 章的分層緩解框架轉成作業紀律 — 淨化階段、guardrail 工具、結構化輸出、紅隊,以及真正有意義的安全指標。
2026-05-14
第 4 章 — Prompt Injection 與 Jailbreak
LLM Primer VII 章節走讀第四篇。本章坐在實務 LLM 安全問題的正中央 — 並解釋為什麼 prompt injection 沒有類似參數化查詢那樣的結構性修法,只有分層的部分性防禦。
2026-05-13
第 3 章 — 資料安全與隱私
LLM Primer VII 章節走讀第三篇。本章把資料當作一項具有生命週期的資產來處理 — 從模型部分記住了的訓練語料,到 Samsung 工程師在事件被命名之前貼進 ChatGPT 的使用者輸入。
2026-05-12
第 2 章 — LLM 系統的威脅建模
LLM Primer VII 章節走讀第二篇。本章把 Shostack 的四個問題、STRIDE、PASTA 與 MITRE ATLAS 套用到一個最強大元件把所有輸入都當作可能指令的系統上。
2026-05-11
第 1 章 — AI 安全為什麼不同
LLM Primer VII 章節走讀第一篇。本章主張 AI 安全不是把「ML」形容詞掛在傳統資安前面 — 子層本身變了,後面每一章都從這個變化開展出來。
2026-05-10
LLM Primer VII — 系列導論與索引
LLM Primer VII 章節走讀的導論與索引。這是系列的完結之卷:LLM Primer 的工程弧線,最後落在決定這一切能否在對手、監管機關以及機率系統日常故障模式面前存活下來的那個學科。
2026-05-09
第 15 章 — 無伺服器 API 對比專屬基礎設施
LLM Primer VI 章節走讀第十五篇。這一章把損益兩平的算術擺上桌,接著替那個對大多數團隊而言決定答案的平台工程項目命名。
2026-05-07
第 14 章 — Token 經濟學與 API 定價
LLM Primer VI 章節走讀第十四篇。這一章把第 1 章的物理連到帳單上的項目 — 並解釋為什麼第一個月的帳單常常跟團隊的預估完全對不上。
2026-05-06
第 13 章 — 自動擴縮與冷啟動緩解
LLM Primer VI 章節走讀第十三篇。這一章解釋為什麼預設 Kubernetes 自動擴縮器在 LLM 流量下會造成中斷,以及 KEDA、Knative、CRIU 如何組合成修補方案。
2026-05-05
第 12 章 — 解耦式服務與 Kubernetes
LLM Primer VI 章節走讀第十二篇。這一章終於把 prefill 與 decode 拆到不同的 GPU 池,並展示能把 pod 留在互連正確一側的 Kubernetes 原語。
2026-05-04
第 8 章 — 下一代 KV 快取管理
LLM Primer VI 章節走讀第八篇。這一章把作業系統的分頁洞見搬進推論引擎 — 並把 KV 快取從一段預留的位元組 slab 變成一個共享、可逐出、可做 prefix cache 的資源。
2026-04-30
第 7 章 — 進階批次處理策略
LLM Primer VI 章節走讀第七篇。這一章展示為什麼批次處理不是最佳化,而是讓受頻寬所困的 decoding 變得可解的關鍵動作 — 以及為什麼「批次」是動詞、不是名詞。
2026-04-29
第 3 章 — 生成式 AI 的資料中心 GPU
LLM Primer VI 章節走讀第三篇。這一章主張,挑一顆服務 GPU 應該看它的 HBM 頻寬與 VRAM 容量,而不是規格表正面的那個 FLOP/s 數字。
2026-04-25
第 2 章 — KV 快取的挑戰
LLM Primer VI 章節走讀第二篇。這一章替那個會先於權重吃光每個服務系統 VRAM 的資料結構命名。走過主導 KV 快取大小的公式、把它縮小的架構變體,以及會摧毀天真配置方式的碎裂化問題。
2026-04-24
第 1 章 — Token 生成的力學
LLM Primer VI 章節走讀第一篇。這一章主張:LLM 服務裡幾乎每一個困難的問題都出自一個事實 — 產生每個 token 的那個迴圈受制於記憶體頻寬,你花錢租來的昂貴運算 99.7% 的時間都是閒置的。
2026-04-23
LLM Primer VI — 系列簡介與索引
《LLM Primer VI:擴展 AI 系統》章節走讀的入口。這一卷把 LLM 推論當成一門工程學科來看待,在記憶體頻寬、排程、以及美元符號互相碰撞的地方展開。
2026-04-22
第 8 章 — 效能、服務、成本的最佳化
LLM Primer V 章節走讀最終篇。把生產 LLM 經濟學當分層紀律處理 — 最便宜的呼叫是那個沒發生的,而下面每一層是讓下一次呼叫變便宜的那一層。
2026-04-21
第 7 章 — LLM 安全與護欄
LLM Primer V 章節走讀第七篇。命名 LLM 應用引入的新安全軸 — 控制什麼指令、從哪裡、帶多少權限到達模型 — 並圍繞它建緩解矩陣。
2026-04-20
第 6 章 — AI 可觀測性與追蹤
LLM Primer V 章節走讀第六篇。把使用者的查詢當一棵因果樹處理、不當請求日誌。走過 OpenTelemetry GenAI 語意慣例、TTFT/TPOT/cost/quality 這些真的重要的指標,以及把 trace 餵回評估的匯出管線。
2026-04-19
第 5 章 — 評估 LLM 應用
LLM Primer V 章節走讀第五篇。承認 assertEqual 在 LLM 輸出上已死,把測試紀律重建在錨定的 judge、RAG Triad、代理的軌跡測試上。
2026-04-18
第 4 章 — AI 代理與工具呼叫
LLM Primer V 章節走讀第四篇。把代理當一個「對著工具跑迴圈的語言模型」處理 — 工具 schema、記憶層、多代理接線都得先工程好,迴圈才能被信任去做真的事。
2026-04-17
第 3 章 — 檢索增強生成
LLM Primer V 章節走讀第三篇。走過整條 RAG 管線 — 載入、切塊、嵌入、檢索、生成 — 並把「在你十個最愛文件上會動的 demo」跟「撐得住真實語料的系統」區分開來。
2026-04-16
第 2 章 — 基礎模型與提示詞工程
LLM Primer V 章節走讀第二篇。提示詞工程就是工程 — 版本化的模板、防禦式界定符、結構化輸出。從模型分層、取樣參數走到 Pydantic/Zod schema 強制、Outlines 文法約束解碼。
2026-04-15
第 1 章 — AI 工程作為一門學科
LLM Primer V 章節走讀第一篇。你的 demo 會動、生產系統不會動,原因不在模型 — 是工程問題,而且那門工程有名字。走過可靠性裂縫、確定性包裝、以及五根柱子。
2026-04-14
LLM Primer V — 系列導讀與索引
LLM Primer V 系列導讀。從 demo 走到生產環境會踩到的那個縫、AI 工程作為一門獨立學科的框架,以及八章走過的八個工程面 — 基礎模型、提示詞、檢索、代理、評估、可觀測性、安全、服務經濟。
2026-04-13
LLM 入門系列 — 一卷一卷讀懂生成式 AI
LLM Primer 系列 — 下田昌平（Sho Shimoda）撰寫的七卷本生成式 AI 現場指南，已完結。從基礎到安全。含姊妹卷《Physical AI》。全 7 卷均於 Amazon 上市。
2026-02-15