筆記下 AI 寫程式省錢術:從 Token 焦慮到團隊成本治理 課程相關內容。
課程相關資訊
[連結]:https://learn.duotify.com/courses/ai-cost
請注意:本系列文章為個人對應課程的消化吸收後,所整理出來的內容。換言之,並不一定會包含全部的課程內容,也有可能會添加其他資源來說明。
內容
資料流考量
1. OpenRouter – 專門做轉發,沒有自己的模型,也可帶自己的 Key:不過你所有的提示詞和回覆都會經過它家
2. Ollana Cloud – 遠端 API 模式,但費用並不便宜
3. 自建
資料邊界 -> 模型清單 -> 證據保留 -> 聯合治理:先管資料流向,再談價格和供應商
零數據保留
1. 金融業會很困難,畢竟 Zero Trust 服務在台灣很難找到對口落地,也很難證實真的沒有存:要查證整條數據流
用量報表要回答決策問題:預算偏差、成本熱點、異常偵測、優化成效
艦隊模式要考量到費用問題,但如何跟效率取得平衡會是管控上的一大痛點

![[筆記] AI 寫程式省錢術:從 Token 焦慮到團隊成本治理 – 9 [筆記] AI 寫程式省錢術:從 Token 焦慮到團隊成本治理 – 9](https://smlpoints.com/wp-content/uploads/notes-ai-cost-1.jpg)