Chapter 01

快速上手：從 idea 到第一個 AI 功能

AI 產品的第一個功能不是「最炫的功能」，而是「資料流最清楚、最可被驗證的功能」。建議從文字摘要、客服 FAQ、或內部文件搜尋這三類選一個切入。

Rai最後更新 2026年4月28日

TL;DR：AI 產品的第一個功能不是「最炫的功能」，而是「資料流最清楚、最可被驗證的功能」。建議從文字摘要、客服 FAQ、或內部文件搜尋這三類選一個切入，2 週內可以拿到第一個能 demo 的版本。

你在這章會學到什麼

AI 功能的三種起手式（怎麼選）
第一次串 LLM API 的最小可行程式（複製即用）
上線前必檢查的 5 件事

AI 功能的三種起手式

如果你完全是新手，從這三類選一個開始就對了：

1. 文字摘要 / 整理

適合場景	為什麼適合
會議逐字稿摘要	輸入輸出邊界清楚
客戶 email 重點抽取	失敗成本低
長文件 TL;DR 生成	不需要 RAG，single prompt 即可

2. 客服 / FAQ Bot

適合場景	為什麼適合
已有 100+ 篇文件的客服中心	有訓練資料
重複問題佔比 60%+	ROI 易計算
容錯空間大（轉真人 fallback）	失敗有救

3. 內部文件搜尋

適合場景	為什麼適合
公司內網有大量文件	資料歸你掌控
員工常找不到資料	痛點明確
不需對外曝光	風險低

新手陷阱：千萬不要第一個專案就做「AI Agent」、「自動執行任務」、「RAG + Tool Use」 —— 失敗率 90%。

第一支 LLM API 程式

這是用 Anthropic Claude 的最小例子（Node.js）：

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

async function summarize(text: string) {
  const msg = await client.messages.create({
    model: "claude-haiku-4-5-20251001",
    max_tokens: 500,
    messages: [
      {
        role: "user",
        content: `請把以下文字摘要成 3 個要點：\n\n${text}`,
      },
    ],
  });
  return msg.content[0].type === "text" ? msg.content[0].text : "";
}

幾個重點：

用 Haiku 開始，不要一開始就用 Sonnet/Opus，便宜快 100 倍
限制 max_tokens，避免被吃 token
環境變數放 API key，絕不 hardcode

上線前必檢查的 5 件事

錯誤處理 —— API 會 timeout、會 429、會 500，你的程式要 retry / fallback
成本上限 —— 在帳號層級設預算 alert，避免被 prompt injection 燒爆
PII 過濾 —— 使用者 input 前先移除信用卡、身分證、私密號碼
回應審查 —— 不該說的東西用 system prompt 明確禁止 + 後處理過濾
Log 與 trace —— 每次呼叫存（input, output, model, tokens, latency），出包時才查得到

下一步

讀完這章，建議接著看：

AI MVP 藍圖 —— 從 idea 到上線的路線圖
Prompt 工程實戰 —— 寫 prompt 的具體方法

如果有 idea 但不確定怎麼開始，寫信給我們聊 30 分鐘，免費。

AI MVP 藍圖：從規格到上線的可行路線