「生成式 AI 應用與規劃」是AI應用規劃師能力鑑定(初級)的第二個考科，評鑑主題及評鑑內容如下：
- L121 No code / Low code概念
- L122 生成式 AI 應用領域與工具使用
- L123 生成式 AI 導入評估規劃
考題難度：★★★☆☆
1. 公司希望在兩週內推出一款簡單的問卷系統，並可能日後擴充與內部 ERP 集成，下列做法最合適？
A. 使用完全 No Code 平台，後期再考慮自訂開發
B. 手寫所有後端 API 與前端介面
C. 選用 Low Code 平台，初期可視化配置，關鍵點插入自訂程式碼
D. 只購買現成商業問卷工具
答案：C
詳細解釋：初期需要快速上線且後期要整合 ERP，Low Code 平台既能可視化開發，又能插入自訂程式碼，兼顧速度與擴展性。
2. 某 Low Code 平台未提供特定安全驗證元件，下列何者為合理的解決方案？
A. 放棄該功能，直接將驗證交給使用者
B. 自行撰寫 JavaScript 插件並透過平台擴充機制整合
C. 將功能外包給第三方服務，完全跳過平台
D. 等待平台官方下個月更新
答案：B
詳細解釋：Low Code 平台通常提供擴充 SDK，可撰寫自訂插件以補足平台缺失，並保持整體架構的一致性。
3. 在判斷某工具屬於 No Code 而非 Low Code 時，下列哪項指標最具說服力？
A. 平台是否開放程式碼匯出
B. 平台 UI 是否美觀
C. 可否透過拖拉組件完成全部邏輯，不需插入任何程式碼
D. 是否有社群討論區
答案：C
詳細解釋：No Code 平台強調「零程式碼」，即所有業務邏輯皆可透過視覺化配置完成，無需任何手寫程式。
4. 假設業務團隊想自己修改某段流程，但平台僅提供 Low Code 模式，下列何者為最佳做法？
A. 業務自行嘗試編寫複雜程式碼
B. 與 IT 合作利用平台內建程式碼區段進行少量自訂
C. 提交完整變更需求，由 IT 重構整個系統
D. 停用這段流程，改用手動表單
答案：B
詳細解釋：Low Code 平台通常允許在視覺化流程中插入程式碼段，業務可與 IT 協作完成自訂功能，而不必全盤重寫。
5. 團隊正在評估新平台，若關鍵評估點為「能否導出完整業務邏輯」，最應查詢哪項功能？
A. 可視化拖拉元件列表
B. 是否支持流程/程式碼匯出到 JSON 或 Git
C. 平台顏色主題設定
D. 是否提供手機端預覽
答案：B
詳細解釋：匯出業務邏輯至 JSON/Git 可讓團隊離線備份與遷移，也能做版本控制，是檢驗導出能力的核心指標。
6. 某 No Code 平台使用者反映隨著用戶量激增，部分工作流程開始不穩定，下列何者最可能是原因？
A. 平台 UI 設計不佳
B. 基於共享資源的雲端架構在高負載下出現瓶頸
C. 使用者沒有更新瀏覽器
D. API 文件不完整
答案：B
詳細解釋：No Code 平台通常依賴多租戶雲端架構，當業務量劇增時，可能因共享資源競爭而影響執行效能與穩定性。
7. 如果企業未來預期需要高度客製化功能，但又想快速上線，最佳策略是？
A. 只用 No Code，忽略客製化需求
B. 直接手寫全套系統
C. 在 Low Code 平台上構建核心流程，並針對複雜部分進行自訂開發
D. 同時使用多種 No Code 平台
答案：C
詳細解釋：Low Code 平台兼具可視化和程式擴充，能在快速交付與後續客製化間取得平衡。
8. 在評估 No Code/Low Code 平台的總擁有成本（TCO）時，下列哪項最常被企業忽略，卻對整體成本影響重大？
A. 服務器電費
B. 平台升級與維護費用
C. 員工培訓與流程重塑成本
D. 二次開發或遷移成本
答案：C
詳細解釋：除了明顯的授權與運維費用外，員工培訓與流程重塑往往因為是「隱性成本」而被忽略，實際上卻是推動平台成功導入、確保使用效率的關鍵。
9. 團隊發現 Low Code 平台對高頻大量資料處理支援不佳，最合理的補救方式是？
A. 將該部分工作流程遷移到專屬微服務中處理，再與平台整合
B. 降低資料處理頻率
C. 停用相關功能
D. 重寫整個平台
答案：A
詳細解釋：結合微服務架構處理高頻大數據，可保留低程式碼優勢且維持效能穩定，符合漸進式整合思路。
10. 若評估報告指出 No Code 平台在法規遵從方面不足，下列何者為適當的治理建議？
A. 直接替換平台
B. 增加內部流程審批與審計機制，並利用平台 API 做補強
C. 停止使用平台
D. 忽略法規要求
答案：B
詳細解釋：結合內部審批、審計與外部合規工具，可在不更換平台的前提下補足合規風險管理。
11. 某電商希望自動為新上架商品生成詳盡描述，下列工具組合最合適？
A. Midjourney + Jukebox
B. ChatGPT + OpenAI API 的 text-davinci-003
C. GitHub Copilot + VS Code for Copilot
D. Tableau + Power BI
答案：B
詳細解釋：text-davinci-003 擅長高品質文本生成，配合 ChatGPT 互動可快速產生流暢且具備行銷說服力的商品描述。
12. 若要為遊戲角色自動生成背景音樂與音效，下列哪組工具最適合？
A. OpenAI Jukebox + custom sound effect dataset
B. Midjourney + ChatGPT
C. GitHub Copilot + Python
D. VS Code for Copilot + SQL
答案：A
詳細解釋：Jukebox 可生成音樂樣本，結合自訂音效資料集與參數調整，可創作專屬遊戲背景音。
13. 在圖像生成任務中，使用 Midjourney 輸出多版本草圖時，下列哪項參數最能控制風格一致性？
A. model
B. seed
C. temperature
D. max_tokens
答案：B
詳細解釋：seed 參數固定隨機種子，可在多次生成中保有相同初始噪聲，從而維持風格與構圖一致。
14. 若開發者希望在 VS Code 中使用 Copilot 生成註解與範例，最應善用哪種提示策略？
A. 在程式碼文件中插入「/// TODO: implement feature」
B. 直接敲擊鍵盤隨意觸發
C. 在注釋中描述函式用途與參數細節
D. 關閉所有擴充功能
答案：C
詳細解釋：Copilot 依賴上下文理解，清晰的注釋與目的說明能引導其生成符合預期的註解和範例。
15. 公司要為線上教學平台生成互動式練習題，下列哪種工具/方法最合適？
A. Midjourney
B. ChatGPT 結合自訂題庫與 RAG
C. GitHub Copilot
D. Excel 巨集
答案：B
詳細解釋：RAG 流程先檢索現有題庫與教學大綱，再由 ChatGPT 生成新題型，能兼顧內容準確與多樣化。
16. 團隊希望生成式模型針對特定領域用語輸出更專業文本，下列哪種做法最有效？
A. 提高 temperature 至 1.0
B. 進行少量領域專用資料微調（fine-tuning）
C. 只使用預設 prompt
D. 減少 token 限制
答案：B
詳細解釋：微調可讓模型學習領域特定語料與風格，比僅修改 prompt 更能提高專業度與一致性。
17. 在設計多階段 Prompt Chain 時，若第 1 階段是「摘要長文檔」，第 2 階段要「提出關鍵問題」，最重要的串接方式是？
A. 直接使用相同 prompt
B. 將第一階段輸出完整放入第二階段上下文
C. 只傳遞部分關鍵字
D. 不關注上下文連貫
答案：B
詳細解釋：保留完整摘要內容作為上下文，能讓第二階段模型正確識別並基於摘要提問。
18. 若要讓模型在回答中引用外部知識並標記來源，最合適的「指令風格」為？
A. 「自由發揮」
B. 「請根據以下文本並在句末以 [來源] 標註原文段落」
C. 「少字多圖」
D. 「無需引用」
答案：B
詳細解釋：明確要求引用並示範標註格式，能提升模型在生成中附帶來源的可靠性與可追溯性。
19. 團隊發現模型若 prompt 太長容易超出 token 限制，最佳解決方案是？
A. 強行增加 max_tokens
B. 先用摘要模組壓縮上下文，再進行主要任務
C. 刪除所有系統訊息
D. 直接重啟服務
答案：B
詳細解釋：使用摘要模組可將長文本濃縮為關鍵要點，既保留核心資訊又減少 token 使用。
20. 在多人協同優化提示時，哪種流程最有助於追蹤每次改動效果？
A. 把所有提示寫在同一份文件末尾
B. 使用版本控制（如 Git）管理 prompt 文件並撰寫提交註解
C. 口頭討論後直接更改
D. 不做任何記錄
答案：B
詳細解釋：Git 等版本控制系統能記錄每次更改內容、時間與原因，並允許回溯，便於協作與效果比較。
21. 若需比較兩個模型處理中文長文本摘要的效果，下列哪項指標最能綜合衡量？
A. BLEU 分數
B. ROUGE-L 與人工可讀性評分結合
C. API 延遲時間
D. 模型檔案大小
答案：B
詳細解釋：ROUGE-L 可量化自動摘要與參考答案重疊度，加上人工可讀性評分，能同時覆蓋準確度與流暢度。
22. 在進行成本效益分析時，若要衡量「業務價值」，可使用哪項 KPI？
A. 系統啟動時間
B. 透過 AI 自動化減少的人工工時量
C. 平台 logo 大小
D. 訓練集行數
答案：B
詳細解釋：減少重複性工作由 AI 接手，可直接轉換為成本節省與效率提升，是衡量價值的有效指標。
23. 公司要在多個供應商間選型，需同時考量法規合規與效能，下列哪種報告最全面？
A. 只列出效能基準
B. 同步列出效能測試值、合規審查結果及安全測試報告
C. 僅引用廠商宣傳資料
D. 僅列價格對比
答案：B
詳細解釋：嚴謹選型須綜合性能、合規風險及安全狀況，以確保在真實場景中穩定且合法運行。
24. 在測試模型多輪對話的「記憶力」時，哪種方法最具代表性？
A. 每輪都重新輸入完整上下文
B. 模擬 10 輪以上，檢查模型是否能正確回應前 1 輪提及的實體信息
C. 只做 1 輪對話
D. 不測試多輪
答案：B
詳細解釋：多輪超過 5–10 輪後仍能正確提及早期訊息，才能證明在真實對話中對上下文的長期保持能力。
25. 在評估生成式 AI 的健壯性時，下列哪種擾動測試最常用？
A. 更改 API 地址
B. 在 prompt 中插入無關詞或噪聲，觀察模型回應是否穩定
C. 提高硬體溫度
D. 改變平台主題色
答案：B
詳細解釋：透過在 prompt 中添加干擾詞，檢驗模型能否保持核心任務表現，是測試對抗健壯性的常用方法。
26. 如果專案時間被壓縮為一個月，下列哪項最應優先完成？
A. 全面員工培訓
B. 最小可行樣板（MVP）＋核心目標驗證
C. 建立完整運維團隊
D. 完整撰寫所有文件
答案：B
詳細解釋：壓縮時程下先驗證核心價值與可行性，再根據結果決定後續擴展，能有效降低風險。
27. 在設定生成式 AI 專案 KPI 時，何者不宜列為首要指標？
A. 使用者滿意度
B. 系統平均延遲
C. 每月開發票數
D. 目標業務轉換率提升
答案：C
詳細解釋：“開發票數”與業務價值無直接關係，應聚焦使用者體驗、性能與業務效益指標。
28. 若要推動生成式 AI 在組織中普及，下列哪項做法最有助於改變員工觀念？
A. 強制所有人使用新系統
B. 舉辦實戰工作坊並展示成功案例
C. 只發布內部公告
D. 禁止質疑與建議
答案：B
詳細解釋：實戰演練和案例分享能讓員工直觀感受效益，增強信心並自發採用新技術。
29. 在規劃階段若發現需求不明確，應立即？
A. 直接進入開發
B. 舉行跨部門需求澄清會議，細化需求
C. 放棄專案
D. 讓團隊自行揣摩
答案：B
詳細解釋：需求不明確會導致開發返工與方向偏差，應及早召開會議統一認知並產出需求文件。
30. 在生成式 AI 系統部署後的首月監控中，下列何者為關鍵監控項？
A. 系統日誌量
B. 模型回應正確率、系統可用率與錯誤率
C. 員工打卡時間
D. 版本號是否更新
答案：B
詳細解釋：回應正確率、可用率與錯誤率直接反映系統穩定性與性能，是部署後最重要的運維指標。
31. 為防止模型將敏感個資洩露在回應中，下列哪項技術最有效？
A. 加大訓練集尺寸
B. 部署輸出過濾器（output filter）檢測並刪除 PII
C. 提高學習率
D. 減少 prompt 長度
答案：B
詳細解釋：輸出過濾器能在生成結果中自動偵測並移除個資，防止不當資訊外洩。
32. 模型運行半年後出現新法律條款要求用戶同意，下列何者屬於合規更新流程？
A. 不理會新條款
B. 更新使用者介面並在輸入前加入同意機制
C. 停用所有功能
D. 只在內部文件記錄
答案：B
詳細解釋：透過 UI 流程強制用戶同意新條款，並更新隱私政策與合規文檔，才能合法收集與處理資料。
33. 若發現生成式 AI 輸出系統性歧視某群體，下列哪種方法最有助於糾正？
A. 完全停止提供服務
B. 收集更多該群體的訓練數據並重新微調模型
C. 刪除所有群體標籤
D. 增加模型參數數量
答案：B
詳細解釋：新增多樣化且平衡的數據能糾正模型對特定群體的偏見，並透過微調改善公平性。
34. 在生成式 AI 的事故響應流程中，何者不屬於第一輪行動？
A. 隔離受影響服務
B. 通知法律與資安團隊
C. 公開詳細事故原因
D. 啟動應變計劃
答案：C
詳細解釋：初期需先控制事故並保護資料，再進行內部調查，對外溝通要先確保資訊準確，避免誤導。
35. 長期監控模型漂移時，哪些指標最應該重點追踪？
A. 訓練集大小
B. 輸入數據分布統計與回應性能指標變化
C. API 文檔版本
D. 員工出勤率
答案：B
詳細解釋：比較當前輸入與訓練數據的分布差異，以及模型在真實場景下性能的變化，才能及早發現與修復漂移。
