AI 應用基礎（教學組合）

預期成果：用 AI 應用基礎（教學組合） (AI Application Basics — Learning Bundle) 比較其中不同的概念。說清楚各自邊界，再判斷哪些成員適用、哪些可以一起使用。 使用者情境：收據助理用模型擷取欄位，再用 Schema 檢查總額。人工會修正不確定的資料列，系統也會記錄修正供評測。 要拆解的教學組合：AI 應用基礎（教學組合） (AI Application Basics — Learning Bundle)。 正式成員指南：脈絡工程 (Context Engineering)、語言模型 (Language Model)、工具呼叫 (Tool Calling)、檢索增強生成 (Retrieval-Augmented Generation)、結構化輸出 (Structured Output)、輸入驗證 (Input Validation)、AI 防護控制 (AI Guardrail)、AI 評測 (AI Evaluation)、人在迴路監督 (Human in the Loop) 這項比較的價值：選擇 Prompt、工具、資料存取或 Agent 動作前，用它檢查。每個部分都要分開定義。 不可把整組當成單一模式的情況：不要把模型輸出當成固定軟體行為。要進行評測，也要規定敏感資料的處理方式和保留期限。 比較要求：分別列出每個成員概念，說明各自的工作與邊界。把所有成員放進同一個真實情境。指出哪些看得到的訊號會決定採用、組合或排除每個成員。 決策品質：說清楚平台與證據的限制。指出哪些概念可以共存，也要標出錯誤類比、不安全替代，以及應改用其他概念的情況。 驗收條件：讀者能用一句話解釋每個成員，在範例中看出差異，說明採用某個成員或合理組合的理由，並開啟每個成員的正式指南。 證據與限制（證據邊界）：這不是正式規範標準。不同來源使用的名稱、範圍和預期做法可能不同。 待確認：目標平台、決策情境、限制，以及採用、組合或排除成員所需的證據。