週末做出一個能用的原型網站

想驗證產品想法，不必等工程師排期。這篇用 v0、Lovable、Bolt 這類 AI 生成工具，帶你把想法收斂成一頁規格、產出第一版、接資料庫與登入、部署成可分享連結、找真實使用者試用，並講清楚哪些需求該停下來改找人。

講清楚主流 LLM API 的 Function Calling 機制：工具 JSON Schema 怎麼寫、模型如何決定要不要呼叫工具、tool_choice 強制呼叫與平行呼叫怎麼用，附上完整可執行範例，以及工具描述寫法如何決定呼叫品質的實務技巧。

用 Python 的 openai SDK 發出第一個 LLM 請求：搞懂 system、user、assistant 三種訊息角色的分工，temperature、max_tokens 與串流輸出的取捨，以及 token 計費概念與用量估算方法，最後整理新手必遇錯誤的排查步驟。

從零搭好能呼叫 LLM API 的開發環境：Python 安裝、虛擬環境、API Key 取得與環境變數管理，最後用一條 curl 指令驗證整條鏈路。macOS 與 Windows 雙平台完整指令，重點講解金鑰安全管理與不洩漏進 git 的做法。

不用任何框架，手寫一個真的會做事的 Agent：會查天氣、會算數學、自己循環到任務完成為止。逐步拆解 Agent 循環的六個步驟、終止條件與常見踩坑，寫完你就懂框架替你做了什麼。

用一次真實的 API 呼叫拆解一個提問的完整鏈路：建立連線 35 毫秒、切詞微秒級、模型讀完整段問題 474 毫秒、逐字生成 380 毫秒——總計 854 毫秒。附完整可重現的量測方法，以及一個反直覺的結論：96% 的時間不在網絡，而在模型裡面。