AI實踐的演進
我們正目睹企業部署人工智慧的根本性轉變。重點已從原始、獨立的對話介面，轉向 整合式的業務解決方案 由低代碼生態系統與結構化API連接所驅動。
1. 圖像合成與控制
現代圖像生成模型（如DALL-E）結合了 CLIP （用於理解文字嵌入）與 擴散注意力 （用於產生視覺輸出）。然而，對於企業應用而言，安全與治理至關重要。
- 元提示（Meta Prompts）： 在使用者提示被處理之前，定義內容邊界的系統級指令。
- 禁止清單（Disallow Lists）： 硬編碼的過濾器，確保輸出適合工作環境且符合特定觀眾需求。
2. 低代碼革命
類似微軟Power平台（Power Apps、Automate、BI）等平台，可透過自然語言進行應用開發，賦予「公民開發者」能力。
- AI Builder： 提供預建模型（例如發票處理）或自訂訓練模型，以自動化重複性任務。
- Dataverse： 作為這些整合式解決方案的中央、安全資料「大腦」。
3. 函數呼叫與連接性
大型語言模型現在能透過將函數描述為結構化的 JSON物件來彌補與外部工具之間的差距。
LLM識別出需要外部工具，精確地格式化請求，應用程式執行API呼叫以取得即時資料，並將其回傳給模型進行整合。
溫度係數
在為商業任務配置模型時，應調整 溫度。值為
0 會產生「決定性」輸出（適用於資料提取的一致且可靠的結果），而接近 1 則產生「隨機」輸出（具有創造力且不可預測）。
TERMINALbash — 80x24
> Ready. Click "Run" to execute.
>
Question 1
Which parameter should be adjusted to ensure an AI model gives the same response every time for the same prompt?
Question 2
Does DALL-E 3 support editing specific parts of an image via masking?
Challenge: Automated Invoice System
Apply your knowledge of low-code tools and safety.
You are building an automated invoice system for a startup using the Power Platform. You need to extract data from incoming PDFs and ensure any generated visual assets for the app are safe.
Task 1
Identify the correct AI Builder model for extracting data from a PDF receipt.
Solution:
Use the "Invoice Processing" or "Receipt Processing" prebuilt model in AI Builder.
Use the "Invoice Processing" or "Receipt Processing" prebuilt model in AI Builder.
Task 2
Create a "Meta-Prompt" that prevents an image generator from creating realistic weapons or violent imagery.
Solution:
"Always generate friendly, illustrative content. Do not include weapons, blood, or scary themes. If requested, substitute with whimsical or educational alternatives."
"Always generate friendly, illustrative content. Do not include weapons, blood, or scary themes. If requested, substitute with whimsical or educational alternatives."