案例07｜換 GPT-4／Claude 或新增安全規則，不必重寫整個應用

一、案例定位

本案例依原書第 3 章 Bento Box 實作說明重組，並非原書正式案例研究。

以模型替換與安全要求變更，理解關注點分離如何降低 GenAI 架構變更成本。

二、學習目標

理解 TextGenerationService 與 SecurityService 的獨立責任。
區分元件更新與整體應用重寫。
說明可替換架構如何回應模型快速演進。

三、案例情境

原書示範 Bento Box 架構時指出：若需要從 OpenAI 模型切換到 Claude，可更新 TextGenerationService；若新增安全要求，可修改 SecurityService，而不必碰其他元件。參考文件處理系統也讓 document classification、parsing、matching 等服務各自運作後再組成完整方案。

四、開始資料

變更需求	對應服務	原書設計效果
更換模型供應／模型	TextGenerationService	避免整個應用重寫
新增安全規則	SecurityService	安全變更與其他邏輯分離
文件分類	獨立 classification service	可單獨演進
文件解析	獨立 parsing service	與其他服務組合
文件 matching	獨立 matching service	共同形成完整 document-processing solution

五、Excel／AI 分析方法

Excel 可建立「變更需求 × 受影響服務」矩陣與相依圖；AI 可依介面描述分析 blast radius，但不能在未測試時宣稱更新完全不影響其他服務。

六、計算結果

原書沒有提供更新前後程式行數、時間或成本，因此本案例只能比較架構影響範圍，不能計算固定節省百分比。

七、結果分析與管理解讀

可替換服務讓快速演進的模型不必牽動整個業務系統；安全也被提升為獨立基礎能力，而非散落在應用程式碼中的附加條件。

八、AI 提問詞

請根據服務責任與介面，分析「更換模型」或「新增安全規則」時哪些服務應直接受影響、哪些只需回歸測試。沒有依賴證據時請標示未知，不要假設零影響。