⚠️ 本專欄是免費教育目的的提示製作過程分享，不是任何投資、法律、財務諮詢。AI 執行結果可能有錯誤，獨立驗證是必須的，使用所產生的所有責任完全歸屬於使用者本人。不能直接用於商業決策。[使用前查看 30 週時間軸下方的必要確認事項全部內容[]](https://www.notion.so/30-29f84ddcec3c80a1a87eda9883d81453?pvs=21)
在進入 Week 13 之前，有些話要跟您說。
如同在 Week 1 提到的，這個系列只涵蓋用 Claude 規劃收集和篩選美中半導體關稅政策中，基於特定搜尋日期具有未來實施可能性的政策資訊的提示的過程，為期 30 週，但實際執行是在 Google Colab 使用 Gemini API (Paid Tier) 進行的。
因為只涵蓋到 Week 30 的提示設計過程，如果不是現在，似乎就沒有機會告訴您 Google Infrastructure 對資料準確性有多大幫助，所以準備了這個暫時休息的專欄。
如同提到的，原本也打算用 Claude 來執行，但每天使用近 12 小時，即使是 Max Plan 方案，在規劃完成時也達到了每週限額。
偏偏那時急需結果，在尋找解決方法時發現了 Google 的 Vertex AI。作為 Google 的企業級 AI 平台，用 Python 代碼運作，也能進行大規模作業，所以將 15,000 行的提示轉換為適合 Gemini 3 Pro 的格式後，向 AI 請求將轉換後的提示轉換為 Vertex AI 用的 Python 代碼。
但向 Gemini 3 Pro (Paid Tier) 請求 Vertex AI 用的 Python 代碼時，它首先完成並提供給我優化為快速執行的 Gemini API 專用 Python 代碼。
當它說可以將這個轉換為 Vertex AI 時，我問為什麼不從一開始就做 Vertex AI 專用代碼，它建議先用完成的 Python 代碼測試，並警告說轉換為 Vertex AI 專用 Python 代碼會變得更複雜，即使使用它自己 Gemini 3 Pro，需要考慮的部分和作業時間也會增加。
如果轉換為 Vertex AI，執行時間會縮短，但需要花比縮短的時間更長的時間來撰寫和測試代碼，