📅 活動時間：2026-10-15

🔗 活動連結

📘 聯繫我 Facebook

📑 投影片

Title

AI Gateway：AI 治理的第一步

Outline

當團隊開始使用多個 LLM provider 與模型，API Key、模型路由、成本控管、權限與 tracing 很快就會分散在各個應用程式中。AI Gateway 提供一個統一入口，讓團隊能集中管理模型存取與應用流量，也讓後續的觀測、評估與治理更容易落地。

本次分享將從實務問題出發，介紹 AI Gateway 的核心能力與導入方式，並討論它能解決什麼、不能解決什麼，以及如何與 observability、evaluation 和 AI application workflow 整合。

  1. 為什麼團隊需要 AI Gateway
  2. 統一模型存取、路由與 fallback
  3. API Key、權限與成本治理
  4. 串接 tracing、logging 與 LLM observability
  5. 以實務情境設計 AI Gateway workflow
  6. 導入限制、風險與後續演進

Target group

  • 正在導入 LLM 或 AI application 的後端與平台工程師
  • 負責 API、雲端基礎設施與開發維運的 DevOps / SRE
  • 想建立模型治理、成本控管與 observability 的技術主管與架構師

主要收穫

你將能理解 AI Gateway 在 LLM application architecture 中的角色，掌握模型路由、權限、成本與 tracing 的基本設計，並具備評估團隊是否適合導入 AI Gateway 的實務判斷依據。

AI Gateway 不是治理的終點，也不能單獨解決 prompt quality、資料安全或模型輸出的正確性。它比較像是治理的第一個邊界：先讓流量、身份、模型與成本集中，後續才有機會建立 observability、evaluation 與持續改善的 workflow。

Author

Che-Chia Chang 是一名專注於後端開發、開發維運、容器化應用及 Kubernetes 開發與管理的技術專家，同時也是 Microsoft 最有價值專業人士（MVP）。

活躍於台灣技術社群，經常在 CNTUG、DevOps Taipei、GDG Taipei、Golang Taipei Meetup 等社群分享 DevOps、SRE、Kubernetes、雲端與 AI Engineering 相關技術。

個人部落格：https://chechia.net