一、案例定位

本案例涉及人工智慧（Artificial Intelligence, AI）。

理解複雜人工智慧系統如何管理多個模型、合併輸出並降低運算成本。

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。

二、學習目標

• 區分編排器與組合模式。
• 理解模型壓縮的目的。
• 辨識三種原書列出的壓縮技術。

三、案例情境

原書指出，複雜人工智慧應用可能包含多個模型。編排器模式管理多代理、多模型集合或混合系統之間的互動；組合模式把多個模型預測合成一致輸出；模型壓縮則以剪枝、量化與知識蒸餾降低模型大小與運算需求，且避免準確度顯著下降。

四、開始資料

五、Excel／AI 分析方法

在 Excel 建立模型清冊，記錄模型角色、輸入、輸出、是否由編排器呼叫、輸出如何組合、是否壓縮與驗證狀態；AI 可協助檢查流程斷點。

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

三種模式處理不同層次：編排器管互動，組合模式管輸出整合，壓縮管資源成本。不能因模型被壓縮就假設效能一定不變；原書只說目標是避免顯著的準確度損失。

八、AI 提問詞

請根據模型清冊畫出呼叫順序，說明哪些輸出需組合、哪些模型標示為壓縮版本，並列出缺少驗證資料的項目；不得推測效能。