综合运用模型调用、结构化输出、校验与离线测试，把技术笔记转换成可复习的学习卡片。

综合运用结构化输出、校验和人工审批，构建一个只生成草稿、不直接发布的 AI 工具。

综合运用提示词、结构化输出、校验和离线测试，构建一个只读的 AI 代码审查命令行工具。

综合运用提示词、结构化输出、校验、评估与日志，构建一个可运行的中文客服意图分类命令行工具。

综合运用 API 调用、重试、输出校验、日志和简单评估，构建一个可运行的 Markdown 摘要命令行工具。

把提示词、结构化输出、错误处理和人工确认串成一个可运行的命令行 AI 任务助手。

用一个不依赖 Web 框架的 Python 示例，理解 AI 应用部署时的配置、健康检查、进程和优雅退出等基本边界。

用 Python 标准库实现一个可运行的异步缓存与并发控制示例，理解如何减少重复调用、提高吞吐并估算成本。

从信任边界出发，用 Python 最小示例理解 Prompt Injection、敏感信息泄露，以及为什么模型输出不能直接获得执行权限。

从可重复的测试集、检查规则和通过率开始，构建一个不依赖真实模型调用的 AI 应用评估最小闭环。