鐵人檔案
這是一系列純觀念、不寫一行程式的生成式 AI 導讀。30 天由淺入深，從「模型在想什麼」到 Token、Attention、Scaling、Prompt、RAG、Agent、評估與監測、幻覺風險、成本與隱私治理，再到金融／教育等應用情境。我用白話與案例拆解名詞背後的決策邏輯：什麼題目該用 AI、怎麼選模型與上下文、何時該設人審防呆。看完你不只會背名詞，更能把熱潮轉成可落地的判斷力。
為什麼需要談？高風險/高成本錯誤的地方，AI 不該一槍到底；該讓人當最後一道門。 白話定義HITL＝在人最能降低風險、最具判斷價值的節點安插審核/覆核，其他部分...
為什麼需要談？亂選模型＝把錢丟進馬達。任務、限制、資料敏感度不同，選型結論會完全不一樣。 白話定義模型選型＝在「能力、成本、延遲、隱私、維運」五件事上找平衡；不...
為什麼需要談？資料分佈會變、需求會變、模型本身也會變。沒有監測，品質只會越跑越歪。 白話定義漂移＝「輸入變了（問題型態/語言/季節性）或模型變了（供應商升版）」...
為什麼需要談？AI 成本不只模型費，還有上下文、重試、錯誤返工、人審時間。延遲直接影響用戶體驗與轉化。 白話定義成本＝模型推理費＋上下文費＋檢索費＋人力審核；延...
為什麼需要談？很多團隊卡在「Demo 很酷，落地很難」。缺路線圖，AI 只會停留在概念片段。 白話定義導入路線＝用可控的步驟把 AI 從試點帶到全域：基線→試點...
