AI Reliability Lab：30 天用 Python 把「AI 好像很準」變成可以量的工程指標 系列

生成式 AI 已經可以回答問題、寫程式、整理資料，但「看起來很厲害」不代表它真的可靠。這 30 天，我會用 Python 建立一套 AI 評測與品質檢查工具，從 Accuracy、Consistency、Format Compliance、Abstention、Groundedness，到成本與延遲，逐步把 AI 的表現轉換成可以量化、比較、追蹤的工程指標。