主要观点：

• 5 月 15 日在 PyCon US 举办三小时工作坊，主题为“在大型语言模型之上构建软件”，旨在让参与者学会利用大型语言模型编写代码。
• 工作坊大部分为互动形式，创建了包含六个不同练习的详细讲义，可在线访问，即便未在场也能跟随学习。
• 讲义内容涵盖设置（安装配置 LLM 及相关工具）、用 LLM 提示（终端提示及 Python 中使用）、构建文本到 SQL 工具等多个方面。
• 介绍了当前大型语言模型的现状，包括 OpenAI、Gemini、Anthropic 等的模型特点，以及“开放权重”模型的发展。
• 强调模型价格变得便宜，同时提及环境影响及提示定价的相关问题。
• 推荐使用 Codespaces 以避免环境问题，建议多尝试不同模型并记录实验。
• 讲解了向量嵌入、语义搜索、RAG 等概念及相关技巧，还讨论了 LLM 调用工具及安全问题，如提示注入等，并介绍了对抗提示注入的双 LLM 模式。
• 最后通过 Ollama 展示了本地模型的演示。

关键信息：

• 工作坊时间：5 月 15 日
• 工作坊标题：Building software on top of Large Language Models
• 讲义访问地址：https://building-with-llms-py...

• 相关文章及资源：

  • my review of LLMs in 2024
  • Nomic Embed Text v2
  • Prompt injection explained, with video, slides, and a transcript
  • Your AI Product Needs Evals
  • Creating a LLM-as-a-Judge That Drives Business Results
• 展示模型：mistral-small3.1、qwen3:4b
• 联系邮箱：mailto:contact@simonwillison.net

重要细节：

• 工作坊内容包括不同模型的设置、提示方法、应用案例（如文本到 SQL 工具、结构化数据提取、语义搜索等）。
• 介绍了各种模型的特点和价格差异，如 Gemini 1.5 处理 70,000 张图片的成本约 173.25 美分，GPT-4.5 则至少 2,400 美元。
• 详细说明了提示注入的危害及双 LLM 模式的原理和应用。
• 展示了利用 Ollama 运行本地模型的演示。