你在一間專注提升第三方軟體效能的公司，負責 LLMs-as-a-service。
你所開發的工具會分析日誌、找出瓶頸，並支援大規模程式碼重構。
完成修正後，系統會為客戶產生自然語言報告。
你只能為這項服務選擇 2 個 AI 模型。
在這個使用情境下，你在挑選模型時會考量哪些要點？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
了解 AI 模型如何透過補全、除錯與文件化來強化開發。掌握提示工程的基礎，並認識脈絡如何讓 AI 回應更聰明。本章將為你奠定把 AI 作為實用開發助理的基礎。
當前練習
學習如何設計提示，帶領模型進行複雜推理、有效撰寫程式文件，並以測試導向方式生成實作。完成本章後，你將能設計提示，同時提升產生程式碼的品質與整體開發流程。
本章將超越撰寫提示，聚焦在 AI 上線與營運的實務。探索如何依效能、成本與任務適配性比較並選擇模型；如何加入防護規範以確保輸出安全且符合法規；以及如何在不犧牲品質的前提下最佳化流程效率。
