我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
本章將覆蓋的架構圖如下：
- No Prompt：自動化功能 (如 Python 程式碼) 將通過現今經典的生成式 AI 檢索增強生成 (RAG) 過程，實現文檔檢索、解析和搜索的自動化，傳統的基於規則的解析和查詢程式設計將減少用戶的操作，將其行為限制為點擊和運行功能，傳統的網頁設計原型將為應用程序的開發提供基礎
- Generative AI - Prompt Generation：提示不再直接生成內容，而是用來生成鏈式生成模型的提示，從人工設計的提示轉向生成式 AI 生成的提示，能幫助用戶避免耗時且需要反覆試驗的提示創建過程，這是一種新的檢索增強生成 (RAG) 方式，其中自動化系統會檢索和解析文檔 (如上述的步驟 1)，以創建提示，這些提示將作為其他生成式 AI 模型的輸入，Llama 和 GPT-4 將取代人工提示設計過程，雖然這種流程需要開發投入，但它能免除最終用戶在資源和預算有限時尋找合適提示的負擔
- Generative AI - Image Creation：本章專注於計算機視覺，其生態系統的目標是將生成式 AI 的文字輸出鏈接到文字生成圖像的輸入，用於 Midjourney、Microsoft Designer (包括 DALL-E 和 GPT 模型) 以及 Stable Diffusion
- Response Generation：輸出的成果將包括圖像生成的結果和圖文結合的創作成果，構建這一生態系統需要一定的開發工作，但最終的應用應該對終端使用者簡化為「點擊並運行」的操作模式
