本案例涉及人工智慧（Artificial Intelligence, AI）。
用原書具體範例理解多個設計模式如何組成可獨立更新與擴充的人工智慧客服系統。
本案例依原書第 3 章的設計模式、範例或流程重組，並非原書正式案例研究。
原書以電信公司的客服聊天機器人為例。模型工廠會為不同語言或地區訓練多個意圖辨識模型，封裝後透過持續整合／持續交付（Continuous Integration/Continuous Delivery, CI/CD）流程自動部署；微服務架構則拆成資料擷取、前處理、模型推論與回饋迴路四個服務。
| 元件 | 原書功能 |
|---|---|
| 模型工廠 | 訓練不同語言／地區的意圖辨識模型並自動部署 |
| 資料擷取微服務 | 蒐集對話紀錄 |
| 前處理微服務 | 清理並將輸入轉成符記 |
| 模型推論微服務 | 使用最新部署的意圖分類模型 |
| 回饋迴路微服務 | 蒐集顧客評分並回送再訓練 |
在 Excel 建立服務清冊與版本表，記錄模型語言／地區、服務名稱、目前版本、相依元件、部署日期與回饋來源；請 AI 檢查更新某服務時可能影響的相依項目。
原書沒有提供可直接計算的數據，因此不補造結果。
此架構允許團隊只更新推論模型，而不必同時修改資料擷取服務。管理上應把模型版本、服務相依性與顧客回饋來源分開記錄，避免局部更新造成不可追溯的系統變更。
請根據下列服務清冊，說明更新意圖分類模型時哪些服務必須驗證、哪些服務可維持不變。只能依清冊中的相依關係回答。