待验证50% 置信观点精确时间
当任务能用确定性规则、SQL查询、标准API、搜索算法或传统机器学习可靠解决时，引入LLM只会增加成本、延迟、安全暴露面和维护复杂度，不会带来更好的结果。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
何时不该用LLM？工程决策五道闸门框架
rss2026/10/15
涉及实体
相关事实
待验证基于 LLM 的结构化提取泛化能力强但会产生额外 API 调用成本和延迟；基于规则的提取速度快成本低但需针对网站编写特定规则且易因改版失效——两者存在显著权衡77% 相似待验证相比让 LLM 完成同样的分类任务，专用决策模型通常延迟更低、成本更可控、输出格式更规整，但牺牲了开放式表达能力74% 相似待验证大规模调用LLM API或自行部署所需的算力开销，使其在许多场景下经济性存疑73% 相似待验证每次调用LLM进行页面理解会带来延迟和API调用成本问题，多步任务累计成本可能超出用户预期71% 相似待验证LLM 重排序计算开销大，但只作用于少量候选时整体成本可控，精度提升往往明显71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1036976API
curl https://kongchang.com/api/v1/knowledge/claims/1036976MCP
get_claim(id=1036976)