一、執法機關引入大型語言模型(LLM)輔助刑事偵查與數位鑑識(如自動摘要扣案手機對話、OSINT 情蒐整合、社群媒體犯罪偵測)，然而 LLM 的黑盒子特性使其推論過程不透明，導致 AI 輸出結果於法庭上的證據採信度受到質疑。請說明可採用哪些可解釋人工智慧 (Explainable AI, XAI)技術，以提升 AI 分析結果的司法透明度與可信度？

二、你因公需稽核一台對外服務的 Tomcat 應用伺服器日誌，懷疑近期有內部帳號遭竊並被用於資料滲漏(Data Exfiltration)。由於你對 Tomcat 日誌格式不熟悉，且每日日誌量高達百萬筆，直接將原始日誌輸入 LLM 將立即超出 Token 上限且成本極高。請自行規劃一套 AI 輔助分析工作流(Workflow)，並直接寫出各階段所使用的具體 Prompt，最終輸出須為包含「來源 IP、異常行為說明、風險等級」的結構化可疑帳號清單。