做減法的 API 決策:把模型切換藏進產品分析,專注真實場景 關鍵調整是把「AI 模型切換」端點併入產品分析 API,回到穩定、準確的核心價值。處理 OpenAI 模型更新的封裝、補齊 FastAPI middleware 與錯誤處理;下週目標為完整整合測試與前後端聯調,並以監控與快速回滾機制降低風險。
Day1 : 把 AI 成分分析的後端雛形搭起來 打造「保養品成分分析」後端原型:選用 FastAPI,以異步處理應對 AI 延遲,並設計可在多模型間安全切換的「逃生門」(含 Grok)。重點放在錯誤處理與降級邏輯,確保故障時介面穩定。下一步:基準測試冷啟動與延遲、明確 SLA/降級策略、補齊觀測性(metrics、tracing、告警)。