日期：2026年7月11日（周六）
时间：16:00 - 19:30（香港时间）

主持人：Alex Au

*提供轻食及披萨之夜！*

请务必填写报名表格（https://forms.gle/yrCHQKba1FKYmmJX8）以获取大学入口二维码。

LLM 应用演示容易，调试困难。聊天机器人给出自信但错误的回答；RAG 管道检索出错误上下文；代理调用了正确的工具但参数错误；评估器给出“通过”，但房间里所有人都知道哪里不对劲。那么，问题到底出在哪里？

在本次 HKPUG 聚会上，Tarun 将介绍 Opik，并展示追踪、跨度、评估、数据集和反馈循环如何帮助开发者更系统地调试 LLM 应用。演讲结束后，我们将进行一个简短的迷你工作坊。参与者将检查简化的 Opik 式追踪，讨论线索，找到失败的跨度，并决定应该添加什么评估来防止同一问题再次出现。最后，我们将发起一个为期一个月的 Kaggle 挑战赛，主题是使用 Opik 进行 LLM 的可解释性！

演讲者

Tarun Jain
Tarun 是 AI with Tarun 的创始工程师兼内容创作者。他也是 Google 开发者专家（AI）。他曾是 OpenAGI 和 BeyondLLM 等开源 AI 项目的维护者，并在国际会议上发表过演讲。Tarun 热衷于为 AI 代理构建智能系统、知识图谱和长期记忆解决方案。
LinkedIn: https://www.linkedin.com/in/jaintarun75/

你将学到什么

如何超越简单地说“模型不好”来调试 LLM 应用
追踪和跨度如何帮助揭示 RAG 或代理工作流内部发生的事情
常见的失败模式：检索错误、提示词薄弱、工具调用错误、幻觉、评估器错误以及隐私/安全问题
如何将错误答案转化为有用的评估案例
迷你工作坊如何与即将到来的 Kaggle 式挑战赛相关联

形式
本次聚会部分是演讲，部分是调试游戏。Tarun 将首先介绍 Opik 以及 LLM 可观测性和评估的核心概念。然后我们将一起分析几个“故障机器人”案例。每个小组将检查追踪，识别可疑的跨度，并解释他们认为哪里出了问题。不需要深厚的机器学习背景。好奇心和调试本能就足够了。

迷你工作坊：追踪线索
每个小组将收到一些简化的 LLM 应用追踪。对于每个追踪，我们将讨论：

出了什么问题？
哪个跨度看起来可疑？
是检索问题、提示词问题、工具调用问题、幻觉、评估器问题还是隐私/安全问题？
应该添加什么评估或指标？
这个应用应该通过还是被发布门禁拒绝？

错误的答案是症状。追踪是证据。你的工作是找出真相。

容量： 100 人

场地信息： 香港城市大学，九龙塘（具体地点待定）

流程：

4:00–4:20 下午 — 到达/注册/休闲交流
4:20–4:30 下午 — HKPUG 介绍：今晚的调试案例档案
4:30–5:20 下午 — 演讲：使用 Opik 调试 LLM 应用
5:20–5:35 下午 — 问答环节
5:35–5:50 下午 — 短暂休息
5:50–6:30 下午 — 迷你工作坊：追踪线索，找到失败的跨度
6:30–6:55 下午 — 小组讨论和案例复盘
6:55–7:15 下午 — 为期一个月的 Kaggle 式挑战赛启动
7:15 下午起 — 披萨、交流和组队

参与者先决条件：

技能： 建议具备 Python 基础知识水平

如何加入？

在此页面点击“参加”