初級 生成式AI應用與規劃
難度：未標示 115 年考題
題目與選項
某連鎖零售企業使用生成式 AI 協助規劃門市補貨策略。決策時需同時考量多項彼此相關的因素，例如：庫存水位、促銷活動、區域銷售差異與物流限制。專案團隊發現，AI 雖能逐步說明推論過程，但對於多條件之間的相互影響掌握不足，導致建議結果偶有偏差。若希望透過提示工程（Prompt Engineering）改善此問題，下列哪一種策略最為適合？
- A. Chain of Thought，要求模型逐步展開推論
- B. Tree of Thoughts，增加多種推論路徑探索
- C. Graph Prompting，以結構化方式呈現條件與關聯 ✓ 正確答案
- D. Zero-shot Prompting，避免範例影響模型判斷
詳細解析
正確答案：C. Graph Prompting，以結構化方式呈現條件與關聯
當問題涉及多個條件彼此互相影響、需要 AI 掌握這些關聯，Graph Prompting 用結構化方式把條件節點和它們之間的關聯明確寫進提示詞，讓模型看到完整的「關係圖」，是最適合的策略。
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
某電商平台導入生成式 AI 客服助理，用於自動回覆顧客詢問。營運需求包含：需即時反映每日更新的促銷活動與商品資訊，同時維持品牌一致的回覆語氣，且企業希望避免因模型重新訓練所造成的成本增加與系統不穩定。在此情境下，下列哪一種技術策略最合理？
初級 生成式AI應用與規劃 難度 未標示 115 年
某製造企業規劃導入生成式 AI 協助產線異常記錄分析，系統將根據設備回報與維修紀錄自動產出問題摘要與建議處置說明。在試行測試階段，為降低營運與決策風險，下列何者最應優先驗證？
初級 生成式AI應用與規劃 難度 未標示 115 年
某市政府環保局想建立一個垃圾分類查詢系統，讓市民輸入物品名稱後自動判斷分類。由於垃圾種類繁多，但每種分類的訓練範例有限，工程師決定採用少樣本學習（Few-shot Learning）技術。下列何者為少樣本學習（Few-shot Learning）的主要特徵？
初級 生成式AI應用與規劃 難度 未標示 115 年
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自初級考試範圍，適合正在準備初級認證的考生練習。
資料來源
115-1-jun-2/q36
開始準備 iPAS 考試
題目來源：115-1-jun-2/q36。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。