一、 前言與痛點
在 Day 4 我們成功讓系統自動讀取 PDF 講義並進行解析。但在實際部署時，經常會遇到兩大挑戰：
1.API 穩定度問題：模型伺服器偶爾會遇到忙線或請求過多。
2.輸出格式不固定：模型回傳的文字如果格式太隨機，前端會很難呈現為漂亮的學習筆記。
為了確保 AI 助教系統具備高可用性，今天我們要加入模型自動備援機制
二、 核心機制設計模型降級策略：
1.優先調用主要模型（如 gemini-3.6-flash），若捕捉到 503 等伺服器例外，系統自動無縫切換至備援模型（如 gemini-3.5-flash）繼續解析，不讓程式直接崩潰。
2.結構化標籤：透過 Prompt 強制模型加上特定的筆記區塊標題（如 [ AI 助教學習筆記 ]），方便後端進行文字處理與呈現。
三、核心實作程式碼 (Python)

四、 實測成果驗證
如截圖所示，當系統調用 gemini-3.6-flash 遇到 503 伺服器忙線時，系統自動捕捉例外並成功切換至 gemini-3.5-flash，順利輸出 [ AI 助教學習筆記 ]，完全沒有中斷程式執行！

五、 結語與預告
有了 PDF 自動讀取加上 Fallback 防護機制，我們的 AI 助教已經具備了強大的抗壓性。明天（Day 6）我們將進入「對話記憶（Chat Session）與多輪問答」，讓學生不只能看筆記，還能針對講義內容向 AI 助教發問！