本週完成成果
你會把 AI 服務成本拆成「一次使用花多少、每月多少人使用、還有哪些固定支出」，並建立保守、基準、成長三種情境，而不是只寫一個看起來漂亮的營收數字。
完成標準｜proposal_v3.md 記錄費率來源日期、公式、三種情境、損益與風險；midterm_model 有可重現說明；所有金額假設都能改動後重新計算。
課前準備
步驟 1｜小組：列出產品一次完整使用會經過的動作，例如上傳、模型輸入、模型輸出、人工檢查。
預期結果｜每個動作能對到可能的成本或明確寫零成本假設。
步驟 2｜查閱官方價格頁：只記錄課堂當天要使用的模型與單位，保存 URL 與查閱日期。
預期結果｜不把「免費額度」當成永久保證，也不複製整張價格表。
步驟 3｜Repo：建立成本假設表，金額與用量分欄，不把數字藏在長段落裡。
mkdir -p business codes/midterm_model
touch business/proposal_v3.md codes/midterm_model/README.md預期結果｜兩個交付位置存在。
第二、三小時｜課堂教材與個人技術實作
故事開始｜規劃一個月生活費時，只說「我大概花五千」很難知道夠不夠；要拆成吃飯、交通、電話和臨時支出。AI 產品也一樣，模型費只是其中一格，還有人力檢查、儲存與錯誤重跑。
老師先問｜免費 API 是不是代表產品沒有成本？免費額度可能改變，而且學生測試與大量使用是兩個不同情境；財務模型要能在費率變動時更新。
生活比喻｜每次 API 呼叫像搭一次計程車：起點、里程與車種會影響價格；月成本則是單次價格乘上搭乘次數，再加固定支出。
先看全程地圖｜先看懂資料與決策怎麼移動，再開始操作。圖中的箭頭代表下一步，不代表可以跳過人工確認。
┌──────────┐ → ┌──────────┐ → ┌──────────┐
│ 每次使用量│ │ 官方單價 │ │ 單次變動成本│
└──────────┘ └──────────┘ └────┬─────┘
↓
┌──────────┐ ← ┌──────────┐ ← ┌──────────┐
│ 風險與調整│ │ 兩年損益 │ │ 月用量情境│
└──────────┘ └──────────┘ └──────────┘步驟 4｜小組：建立可替換假設，不把網頁上的當期價格寫死成永遠不變。
| 假設 | 單位 | 保守 | 基準 | 成長 | 來源／日期 |
|---|---|---:|---:|---:|---|
| 每月使用者 | 人 | 50 | 200 | 500 | 小組假設 |
| 每人每月使用 | 次 | 2 | 4 | 6 | 小組假設 |
| 每次模型成本 | 元 | | | | 官方價格頁／日期 |
| 每月固定成本 | 元 | | | | 來源 |預期結果｜每個數字知道單位、來源或是假設。
步驟 5｜Codespaces：用簡短 Python 試算三種情境，所有價格先由參數傳入。
def monthly_cost(users, uses, cost_per_use, fixed_cost):
return users * uses * cost_per_use + fixed_cost
for users in (50, 200, 500):
print(users, monthly_cost(users, 4, 0.2, 1000))預期結果｜修改 cost_per_use 後三種結果會一起更新。
步驟 6｜小組：在 proposal_v3.md 寫兩年表格，分列收入、變動成本、固定成本、損益與現金需求。
預期結果｜月份或季度單位一致；負數損益不刪除，需解釋資金缺口。
步驟 7｜壓力測試：把模型單價加倍、使用量減半、人工檢查時間增加，觀察哪一項最影響結果。
預期結果｜記錄至少一個最敏感假設與降低風險的做法。
課堂收束｜每組回答：「如果明天 API 費率改變，我們要改哪一格？」能快速找到，表示模型可維護；找不到，表示數字只是貼上去的。
指定閱讀與課後作業
指定閱讀｜依課綱閱讀 DLI Final Project 通過標準說明；本教材不重製 DLI 內容。另查閱 Gemini 官方價格與 Codespaces 機器規格，並以當天資訊為準。
課後作業方向｜小組完成 proposal_v3.md 第三章與 midterm_model 說明，包含成本結構、收入模式、兩年財務預估及風險。禁止使用真實信用卡、帳單或私人帳務截圖。
步驟 8｜小組：把試算公式、輸入與一組人工驗算寫進 codes/midterm_model/README.md。
預期結果｜同學只看 README 就能重算一個月份。
步驟 9｜小組：commit 財務版本，PR 描述本週新增與仍待查證的假設。
git add business/proposal_v3.md codes/midterm_model
git commit -m 'W7: add cost assumptions and financial scenarios'
git push預期結果｜Repo 不含帳務憑證、API key 或大型模型檔。
驗收方式
test -s business/proposal_v3.md
test -s codes/midterm_model/README.md
rg -n "保守|基準|成長|來源|風險" business/proposal_v3.md
git diff --check通過條件｜三種情境、公式、來源日期、兩年損益與敏感度風險齊全；任一費率可被替換重算。
應提交的 Repo 檔案
必交｜business/proposal_v3.md、codes/midterm_model/。只提交課綱指定成果與重現所需說明；不得提交 API key、個資、私人對話、未授權資料或大型模型檔。
常見問題與排除
問題 1｜不同價格單位混用：先統一幣別、每千／每百萬 token 與月份，再計算。
問題 2｜只算 API 不算人力：把人工檢查分鐘數換成工時假設並列出。
問題 3｜預估過度精準：使用情境範圍並說明假設，不宣稱尚未發生的營收。
引用資料
國立中央大學授課課綱／劉書銘老師，《劉書銘老師課程大綱_基礎模型與生成式人工智慧-更新版.pdf》；教師提供附件。用途：W1–W16 時段、實作主題、評量與交付物。
Google AI for Developers，《Gemini Developer API pricing》；https://ai.google.dev/gemini-api/docs/pricing；查閱日期：2026-08-04。用途：W7 以當期官方費率建立可更新的 API 成本假設。
GitHub Docs，《Changing the machine type for your codespace》；https://docs.github.com/en/codespaces/customizing-your-codespace/changing-the-machine-type-for-your-codespace；查閱日期：2026-08-04。用途：W7、W10 Codespaces 資源、機器規格與可能費用差異。