案例09｜技術堆疊與安全設計：為智慧資料流方案選擇企業元件

一、案例定位

本案例涉及人工智慧（Artificial Intelligence, AI）。本頁以智慧資料流探索器（Intelligent Data Flow Explorer, IDFE）為情境，並使用結構化查詢語言（Structured Query Language, SQL）。整理原書 IDFE 的架構模式、技術選擇與安全控制。

本案例依原書第 5 章的框架、範例或情境重組，並非原書正式案例研究。

二、學習目標

辨識微服務與事件驅動選擇。
整理 Azure 技術堆疊。
連結安全、互通性與持續部署要求。

三、案例情境

IDFE 採微服務架構與事件驅動處理，讓擷取、資料處理及大型語言模型（Large Language Model, LLM）相關模組鬆散耦合。原書技術堆疊包括 Azure、Azure Kubernetes Service、Azure Blob Storage、Azure Search Service、Azure OpenAI GPT-4o、Azure Key Vault、Azure SQL Server 與 Azure Language Service。

四、開始資料

設計面向	原書選擇
架構	微服務加事件驅動處理
運算	Azure Kubernetes Service
儲存	Azure Blob Storage
向量搜尋	Azure Search Service
基礎模型	Azure OpenAI GPT-4o
秘密管理	Azure Key Vault
後端資料庫	Azure SQL Server
個資處理	Azure Language Service
交付	Azure DevOps 持續整合與持續部署管線

五、Excel／AI 分析方法

在 Excel 以「元件、需求、選擇理由、依存、成本、風險、替代方案」建表；AI 可指出沒有需求支撐的技術選擇。

六、計算結果

原書沒有提供可直接計算的數據，因此不補造結果。

七、結果分析與管理解讀

原書強調安全需從一開始內建：資料靜態與傳輸時加密、以群組與角色控制存取、保存查詢與使用者日誌，並透過介面與訊息佇列連接既有系統。

八、AI 提問詞

請把技術堆疊逐項連回功能或非功能需求；沒有明確理由的元件標示為「待補設計依據」。