理解本地 AI：了解雲端 AI（如 ChatGPT）與本地 AI 模型的差異與優缺點（隱私、成本、離線使用）。
掌握工具安裝與配置：學會使用 LM Studio 搜尋、下載與管理適合自己電腦配置的開源模型（如 Llama 3、Mistral 等）。
靈活應用與對話：掌握 Prompt（提示詞）技巧，設定 System Prompt 打造專屬 AI 助手。
進階擴充概念：認識本地模型 API 介面、檢索增強生成（RAG）及多模態（Vision）模型的基礎應用。
1.1 為什麼選擇本地 AI？
雲端 AI vs. 本地 AI（隱私安全、無訂閱費、離線可用、自由度高）
開源 AI 模型生態簡介（Hugging Face、Meta Llama 3、Mistral、Qwen 等）
1.2 認識 LM Studio
LM Studio 簡介與主要功能特性
硬體需求說明（CPU/RAM/GPU 記憶體要求與選型建議）
2.1 LM Studio 下載與介面導覽
官方網站（lmstudio.ai）安裝步驟演示
主介面四大核心區域介紹：Chat（對話）、Search（模型搜尋）、My Models（模型管理）、Local Server（API 服務器）
2.2 如何選擇與下載合適的模型？
理解模型參數大小（7B、8B、14B）與量化格式（GGUF, Q4_K_M, Q8 等）
根據個人電腦規格選型（8GB / 16GB / 32GB+ RAM 對應模型選擇）
實操： 在 LM Studio 內搜尋並下載第一個輕量級 AI 模型
3.1 基礎對話與 System Prompt（系統提示詞）設定
設定 AI 的角色定位（例如：專業文案寫手、程式碼除錯專家、語言導師）
3.2 推理參數微調（Parameters Tuning）
Temperature（隨機性/創造力）：如何控制回答的嚴謹度與創意度
Temperature
Context Overflow 與 GPU Offload（硬體加速優化與顯示卡記憶體分派）
Context Overflow
GPU Offload
3.3 實用場景練習
場景 1：個人機密文件/會議紀錄總結（完全不連網，確保資料隱私）
場景 2：離線程式碼撰寫與報表製作助手
4.1 啟動 Local Server（本地 API 服務）
什麼是 OpenAI 兼容 API？
一鍵啟動 LM Studio 本地 API 服務器
實操： 將 LM Studio 連接至第三方 Client 工具（如 Chatbox、AnythingLLM）
4.2 本地 RAG 簡介（知識庫問答）
結合 AnythingLLM / Dify，實現「對自己的本地 PDF/Word 文件提問」
4.3 Vision（視覺多模態）模型體驗
簡介支援圖像辨識的本地模型（如 Llava）
上傳圖片進行本地分析與文字辨識（OCR）
常見問題排查（記憶體溢出、回答速度過慢、模型亂碼等）
開源 AI 社群資源推薦（Hugging Face、Ollama 對比）
課後學員問答與現場指導
