本案例涉及人工智慧（Artificial Intelligence, AI）、生成式人工智慧（Generative Artificial Intelligence, GenAI）與大型語言模型（Large Language Model, LLM）。讓新需求能延伸或替換局部功能。
本案例依原書第 8 章的最佳實務、範例或情境重組，並非原書正式案例研究。
原書建議每個模組都可獨立部署與測試，並封裝成容器化微服務，以便新需求出現時延伸或替換原功能，而不修改其他部分。方案也應預留即插即用能力，透過外部提示詞庫與設定檔定義功能，減少變更程式碼。
| 做法 | 原書目的 |
|---|---|
| 獨立部署 | 局部更新不干擾其他模組 |
| 獨立測試 | 驗證元件本身與介面 |
| 容器化微服務 | 支援客製、延伸與替換 |
| 外部提示詞庫 | 提示可由設定管理 |
| 設定驅動 | 改變能力時減少程式碼修改 |
在 Excel 記錄模組部署單位、測試、容器版本、設定來源與相依；AI 可協助找出不能獨立更新的元件。
原書沒有提供可直接計算的數據，因此不補造結果。
可部署性與可測試性讓模組化真正落地。若所有元件仍必須同時發布，結構上分開也難以降低變更風險。
請依部署與測試清單找出無法獨立發布的模組、共用設定與高耦合相依。