AI開發應用、電腦視覺影像辨識、軟體程式設計、全部最新 299 筆接案案件

#徵ARXR軟體開發老師 👤 學生：男性成年人（有些python基礎 📍 地點：線上/台中/彰化 🎯 學習需求： - AR/XR 軟體開發 - （加分）學會串接『影像辨識物件』功能 💡 學習取向 實作導向｜可討論專案 歡迎有實務經驗的老師私訊聊聊 🙌 （也可先聊教學方式與案例，不急著定課程

用於哪個行業： 細節說明： 【徵長期開發夥伴】你是 Claude Code 的重度使用者嗎？這裡有穩定的案子！ 嗨大家！我目前正在快速測試多個新市場，手邊有很多 MVP（最小可行性產品）專案需要快速產出，想找一位對 Claude Code 或是 AI Agent 開發流程非常熟悉的夥伴長期合作。 【這份外包適合誰？】 如果你開發時已經離不開 Claude，覺得比起手寫，用 AI 指令產出代碼更爽快，且你有基礎的程式底子，AI 寫錯時你能一眼看出問題並手動修好，那你就是我要找的人！ 【工作內容】 頻率： 每月大約會有 5-6 個小專案，步調很快。 任務： 根據我的想法，利用 Claude Code 快速生出一個「可以跑起來」的系統 Demo。 重點： Demo 只要測試過關，後續會需要你針對細節手動調整、優化代碼。 【我們提供】 帳號補貼： 你不用擔心 API 或訂閱費，我會直接提供/補貼 Claude 帳號費用。 案源穩定： 只要默契好、產出快，每個月都有 5 案以上的穩定案量。 報酬： 看能力面議，長期合作為主 0905168868。 【基本要求】 真的熟悉 Claude Code (CLI) 開發流程，能極速產出。 有基本開發經驗（React, Node.js 或 Python 均可），不能只會貼代碼，遇到 Bug 要有手動修復、改動邏輯的能力。 溝通快、不消失，能接受「快速試錯」的開發節奏。 【怎麼應徵？】 直接私訊我，跟我說： 你最擅長的技術棧（Tech Stack）。 你平常怎麼用 AI 寫 Code 的？ 做一個簡單的登入+資料 CRUD 功能，你用 AI 大概多久能產出？

一.長期配合/初期平均每日投入時間至少4小時(假日7小時)/產出後須及時解決問題 二.每批行業開發3-5萬元+客戶使用時負責維運2-4萬元/月 三.需留言LINEID及電話詳談細節 四.能力需求： 1. 自然語言處理（NLP）與語言學 * 熟悉 NLP 基本概念，如語意分析、詞向量（word embeddings）、語境理解等。 * 了解語法結構（Syntax）、語義（Semantics）、語用（Pragmatics）。 * 能有效運用關鍵詞、上下文、格式化輸入來影響 AI 輸出。 2. AI 及大型語言模型（LLM）知識 * 理解 Transformer、GPT、BERT 等 LLM 的基本原理與工作方式。 * 知道模型的限制（如幻覺、偏見、資訊不完整）並能設計 prompt 避免問題。 * 了解 Zero-shot、Few-shot Learning等prompt 技巧，提升 LLM 回應的準確性。 3. Prompt 設計與優化技巧 * 精確性（Precision）：用簡單、明確的語言表達需求。 * 上下文設計（Context Design）：提供適量資訊，確保 AI 理解目標。 * 約束與格式化（Constraints & Formatting）：要求特定輸出格式，如 JSON、Markdown、表 格。 * 測試與調優（A/B Testing）：針對不同 prompt 設計變體，找出最佳效果。 4. 程式設計與 API 整合 * 熟悉 Python 及各大公司 API / LangChain 等框架。 * 能撰寫腳本（.sh）來自動化 prompt 測試與分析 AI 輸出結果。 * 會使用正則表達式、文本處理技巧來提取與過濾 AI 產生的內容。 5. 資料分析與評估 * 分析 AI 回應的準確度、一致性、創造性，找出最佳 prompt 模式。 * 設計 AB 測試比較不同 prompt 的效果。 6. 領域知識（Domain Knowledge） * 針對不同應用場景（如程式碼生成、醫療診斷、法律、行銷、不同產業）調整 Prompt。 * 具備 UX / UI 設計思維，確保 AI 輸出對使用者有價值。 7. 創意思維與問題解決能力 * 能夠拆解複雜問題，轉化為 AI 可理解的輸入格式。 * 透過迭代測試找到最有效的 Prompt 組合。 * 思考如何讓 AI 生成更具創意、符合需求的內容。 8. 版本控制與協作 * 有專案合作經驗，看得懂其他人專案的程式碼 * 熟悉 Git / GitHub，能與開發團隊協作管理 Prompt 與程式碼版本。 * 具備技術文件撰寫能力，記錄進度 （Prompt、流程） 設計原則與最佳實踐。 9. 安全與道德考量 * 確保 Prompt 避免產生有害內容（如偏見、虛假資訊）。 * 瞭解 AI 法規與道德風險，如歧視、隱私保護、內容審查。 10.資料庫系統設計、優化、與管理 (1). 熟悉關聯式資料庫（如MySQL、PostgreSQL）的設計與應用，能設計資料結構與索引，具備針對大規模資料儲存與查詢的優化經驗。 (2).熟悉 Linux 環境，具備部署與排程經驗（熟悉 cron、systemd、Docker，具 Kubernetes (k8s) 經驗尤佳）。 (3). 能設計高效的資料結構與索引，支援跨行業、多帳號的社交媒體資料存儲與快速檢索。 (4). 具備資料清理與正規化能力，確保爬取資料的一致性與可用性。 (5).有能力管理資料庫。 11. 持續學習與研究 * 跟蹤 AI / NLP 最新技術（如 OpenAI 發布的新模型、論文、第一手知道Deepseek消息等 等）。 * 持續優化 Prompt 設計，以適應 AI 的進步與應用需求。 12.軟性技能與其他要求 (1). 問題解決與獨立研究：具備優秀的問題解決能力，能獨立研究並解決技術難題。 (2). 程式碼品質與文件紀錄：熟悉版本控制工具（如Git），撰寫乾淨、可讀的程式碼，並保持詳細的文件紀錄，確保程式碼易於維護與交接。 (3). 資料隱私與合規性：深入了解資料隱私與法律規範（如GDPR、平台使用條款），確保爬蟲行為符合法規要求，並能在設計爬蟲系統時考慮倫理與法律約束。 (4). 跨部門協作：具備良好的溝通能力，能密切合作，理解業務需求並將其轉化為技術實現。 (5). 長期維護與適應性：致力於長期合作，熟悉現有程式碼庫，能快速上手並進行功能調整、錯誤修復及效能優化，適應業務需求的變化。 (6). 持續學習與技術更新：對新技術與社交平台API更新的保持敏感，持續學習以適應快速變化的爬蟲環境。 (7).能快速理解既有程式邏輯並進行維護與改進。 (8).具備良好的溝通能力與獨立解決問題的能力。

一.長期配合/初期平均每日投入時間至少4小時(假日7小時)/產出後須及時解決問題 二.每批行業開發3-5萬元+客戶使用時負責維運2-4萬元/月 三.需留言LINEID及電話詳談細節 四.能力需求： 1. 自然語言處理（NLP）與語言學 * 熟悉 NLP 基本概念，如語意分析、詞向量（word embeddings）、語境理解等。 * 了解語法結構（Syntax）、語義（Semantics）、語用（Pragmatics）。 * 能有效運用關鍵詞、上下文、格式化輸入來影響 AI 輸出。 2. AI 及大型語言模型（LLM）知識 * 理解 Transformer、GPT、BERT 等 LLM 的基本原理與工作方式。 * 知道模型的限制（如幻覺、偏見、資訊不完整）並能設計 prompt 避免問題。 * 了解 Zero-shot、Few-shot Learning等prompt 技巧，提升 LLM 回應的準確性。 3. Prompt 設計與優化技巧 * 精確性（Precision）：用簡單、明確的語言表達需求。 * 上下文設計（Context Design）：提供適量資訊，確保 AI 理解目標。 * 約束與格式化（Constraints & Formatting）：要求特定輸出格式，如 JSON、Markdown、表 格。 * 測試與調優（A/B Testing）：針對不同 prompt 設計變體，找出最佳效果。 4. 程式設計與 API 整合 * 熟悉 Python 及各大公司 API / LangChain 等框架。 * 能撰寫腳本（.sh）來自動化 prompt 測試與分析 AI 輸出結果。 * 會使用正則表達式、文本處理技巧來提取與過濾 AI 產生的內容。 5. 資料分析與評估 * 分析 AI 回應的準確度、一致性、創造性，找出最佳 prompt 模式。 * 設計 AB 測試比較不同 prompt 的效果。 6. 領域知識（Domain Knowledge） * 針對不同應用場景（如程式碼生成、醫療診斷、法律、行銷、不同產業）調整 Prompt。 * 具備 UX / UI 設計思維，確保 AI 輸出對使用者有價值。 7. 創意思維與問題解決能力 * 能夠拆解複雜問題，轉化為 AI 可理解的輸入格式。 * 透過迭代測試找到最有效的 Prompt 組合。 * 思考如何讓 AI 生成更具創意、符合需求的內容。 8. 版本控制與協作 * 有專案合作經驗，看得懂其他人專案的程式碼 * 熟悉 Git / GitHub，能與開發團隊協作管理 Prompt 與程式碼版本。 * 具備技術文件撰寫能力，記錄進度 （Prompt、流程） 設計原則與最佳實踐。 9. 安全與道德考量 * 確保 Prompt 避免產生有害內容（如偏見、虛假資訊）。 * 瞭解 AI 法規與道德風險，如歧視、隱私保護、內容審查。 10.資料庫系統設計、優化、與管理 (1). 熟悉關聯式資料庫（如MySQL、PostgreSQL）的設計與應用，能設計資料結構與索引，具備針對大規模資料儲存與查詢的優化經驗。 (2).熟悉 Linux 環境，具備部署與排程經驗（熟悉 cron、systemd、Docker，具 Kubernetes (k8s) 經驗尤佳）。 (3). 能設計高效的資料結構與索引，支援跨行業、多帳號的社交媒體資料存儲與快速檢索。 (4). 具備資料清理與正規化能力，確保爬取資料的一致性與可用性。 (5).有能力管理資料庫。 11. 持續學習與研究 * 跟蹤 AI / NLP 最新技術（如 OpenAI 發布的新模型、論文、第一手知道Deepseek消息等 等）。 * 持續優化 Prompt 設計，以適應 AI 的進步與應用需求。 12.軟性技能與其他要求 (1). 問題解決與獨立研究：具備優秀的問題解決能力，能獨立研究並解決技術難題。 (2). 程式碼品質與文件紀錄：熟悉版本控制工具（如Git），撰寫乾淨、可讀的程式碼，並保持詳細的文件紀錄，確保程式碼易於維護與交接。 (3). 資料隱私與合規性：深入了解資料隱私與法律規範（如GDPR、平台使用條款），確保爬蟲行為符合法規要求，並能在設計爬蟲系統時考慮倫理與法律約束。 (4). 跨部門協作：具備良好的溝通能力，能密切合作，理解業務需求並將其轉化為技術實現。 (5). 長期維護與適應性：致力於長期合作，熟悉現有程式碼庫，能快速上手並進行功能調整、錯誤修復及效能優化，適應業務需求的變化。 (6). 持續學習與技術更新：對新技術與社交平台API更新的保持敏感，持續學習以適應快速變化的爬蟲環境。 (7).能快速理解既有程式邏輯並進行維護與改進。 (8).具備良好的溝通能力與獨立解決問題的能力。

一.長期配合/初期平均每日投入時間至少4小時(假日7小時)/產出後須及時解決問題 二.每批行業開發3-5萬元+客戶使用時負責維運2-4萬元/月 三.需留言LINEID及電話詳談細節 四.能力需求： 1. 自然語言處理（NLP）與語言學 * 熟悉 NLP 基本概念，如語意分析、詞向量（word embeddings）、語境理解等。 * 了解語法結構（Syntax）、語義（Semantics）、語用（Pragmatics）。 * 能有效運用關鍵詞、上下文、格式化輸入來影響 AI 輸出。 2. AI 及大型語言模型（LLM）知識 * 理解 Transformer、GPT、BERT 等 LLM 的基本原理與工作方式。 * 知道模型的限制（如幻覺、偏見、資訊不完整）並能設計 prompt 避免問題。 * 了解 Zero-shot、Few-shot Learning等prompt 技巧，提升 LLM 回應的準確性。 3. Prompt 設計與優化技巧 * 精確性（Precision）：用簡單、明確的語言表達需求。 * 上下文設計（Context Design）：提供適量資訊，確保 AI 理解目標。 * 約束與格式化（Constraints & Formatting）：要求特定輸出格式，如 JSON、Markdown、表 格。 * 測試與調優（A/B Testing）：針對不同 prompt 設計變體，找出最佳效果。 4. 程式設計與 API 整合 * 熟悉 Python 及各大公司 API / LangChain 等框架。 * 能撰寫腳本（.sh）來自動化 prompt 測試與分析 AI 輸出結果。 * 會使用正則表達式、文本處理技巧來提取與過濾 AI 產生的內容。 5. 資料分析與評估 * 分析 AI 回應的準確度、一致性、創造性，找出最佳 prompt 模式。 * 設計 AB 測試比較不同 prompt 的效果。 6. 領域知識（Domain Knowledge） * 針對不同應用場景（如程式碼生成、醫療診斷、法律、行銷、不同產業）調整 Prompt。 * 具備 UX / UI 設計思維，確保 AI 輸出對使用者有價值。 7. 創意思維與問題解決能力 * 能夠拆解複雜問題，轉化為 AI 可理解的輸入格式。 * 透過迭代測試找到最有效的 Prompt 組合。 * 思考如何讓 AI 生成更具創意、符合需求的內容。 8. 版本控制與協作 * 有專案合作經驗，看得懂其他人專案的程式碼 * 熟悉 Git / GitHub，能與開發團隊協作管理 Prompt 與程式碼版本。 * 具備技術文件撰寫能力，記錄進度 （Prompt、流程） 設計原則與最佳實踐。 9. 安全與道德考量 * 確保 Prompt 避免產生有害內容（如偏見、虛假資訊）。 * 瞭解 AI 法規與道德風險，如歧視、隱私保護、內容審查。 10.資料庫系統設計、優化、與管理 (1). 熟悉關聯式資料庫（如MySQL、PostgreSQL）的設計與應用，能設計資料結構與索引，具備針對大規模資料儲存與查詢的優化經驗。 (2).熟悉 Linux 環境，具備部署與排程經驗（熟悉 cron、systemd、Docker，具 Kubernetes (k8s) 經驗尤佳）。 (3). 能設計高效的資料結構與索引，支援跨行業、多帳號的社交媒體資料存儲與快速檢索。 (4). 具備資料清理與正規化能力，確保爬取資料的一致性與可用性。 (5).有能力管理資料庫。 11. 持續學習與研究 * 跟蹤 AI / NLP 最新技術（如 OpenAI 發布的新模型、論文、第一手知道Deepseek消息等 等）。 * 持續優化 Prompt 設計，以適應 AI 的進步與應用需求。 12.軟性技能與其他要求 (1). 問題解決與獨立研究：具備優秀的問題解決能力，能獨立研究並解決技術難題。 (2). 程式碼品質與文件紀錄：熟悉版本控制工具（如Git），撰寫乾淨、可讀的程式碼，並保持詳細的文件紀錄，確保程式碼易於維護與交接。 (3). 資料隱私與合規性：深入了解資料隱私與法律規範（如GDPR、平台使用條款），確保爬蟲行為符合法規要求，並能在設計爬蟲系統時考慮倫理與法律約束。 (4). 跨部門協作：具備良好的溝通能力，能密切合作，理解業務需求並將其轉化為技術實現。 (5). 長期維護與適應性：致力於長期合作，熟悉現有程式碼庫，能快速上手並進行功能調整、錯誤修復及效能優化，適應業務需求的變化。 (6). 持續學習與技術更新：對新技術與社交平台API更新的保持敏感，持續學習以適應快速變化的爬蟲環境。 (7).能快速理解既有程式邏輯並進行維護與改進。 (8).具備良好的溝通能力與獨立解決問題的能力。

用於哪個行業：AI伺服器地端應用 細節說明：於單一台高階AI伺服器上，同時運行六個獨立且高負載的AI應用程式，並分別輸出至六個螢幕，以展示硬體之極限多工處理能力與算力。 初步規劃如下： 1.(影像)人臉辨識: 情緒/ 年齡/ 換臉 2.(無人機)手勢控制: 手動取代"一般飛手訓練". 3.(無人機)目標偵測: 車輛/ 戰車/ 建築/ 人群. 4.(影像)手勢辨識: 控制電腦3D圖形/ 鍵盤/ 滑鼠 5.(語言)LLM訓練: ML/DL、訓練/優化 6.(性能介面): 伺服器內建1對6應用與資源變化. 以上小程式主題可再進行討論，接受進一步細談，也接受專家建議。 如有意願詳談，請寄E-mail：m11405827@mosolid.com.tw聯繫，謝謝。

用於哪個行業：軟體設計相關行業 細節說明：製造業AI智慧化諮詢診斷建議報告雲端軟體開發,使用python或C#结合mcp, n8n等程式語言或者工作流完成

需求名稱：官方Line自動客服開發 用於行業：AI 細節說明：開發一個官方Line帳號的自動客服系統，旨在提升用戶互動效率。

用於哪個行業： 長照醫療領域 細節說明： 我們正在尋找一位語音TTS技術專家，建立長期合作關係。 首個專案目標是共同建置與整合一套支援 臺語、客語的TTS服務，並以容器化架構部署至我們的現有系統。 一、首期專案：核心交付目標 1. 技術方案與架構設計：推薦並論證最適合的開源語音模型（需優先支援臺語），並提供 簡單的技術分析報告。 2. 軟體開發： * 開發完成 臺語、客語 的端到端語音處理流程測試 * 將模型封裝為高可用的 HTTP/WebSocket 微服務 * 完成該服務的 Docker 容器化建置 3. 部署與交付：在測試環境完成部署、多語種驗證，並交付架構圖、REAMDME.md、API文件，進行知識移轉 二、我們尋求的合作夥伴 我們需要一位能獨立完成以上工作的專家，並在提案中證明您具備： 1. 實戰經驗：擁有實際部署、使用、微調開源STT/TTS模型的成功案例 2. 工程能力：精通 Python 與 Docker，能將TTS模型工程化為穩定API服務 3. 架構思維：能提供可行的專案階段規劃與時程 三、提案須知 若您感興趣，請在提案中重點說明： 1. 您對 臺、客語 模型選型 的技術見解與初步方案 2. 提供過往 相關部屬案例 以供參考 3. 請注意 接案身份 和 提案須知，切勿亂槍打鳥 我們期待與您展開合作，共同打造語音應用。

用於哪個行業：工廠、服務業 細節說明：串接AI模組分析圖片格式，介面是 LINE OA跟網頁， 流程寫在make.com， 圖片放google drive 價格可再議

細節說明： 徵求具備技術背景的夥伴協助實現系統串接及自動化實現以串接統整入口、 AI 工具、統計軟體、通訊軟體、文獻管理工具

用於哪個行業：服務業、零售品牌 細節說明：串接Google meet 的音訊留利用其本身或外部的STT 直接拉到AI LLM 上做 RAG回復

AI 應用的行業/領域：科技/軟體 期望協助的任務：文案撰寫與內容創作 交付形式：程式碼

正在尋找的 AI 服務：專屬 AI 解決方案 AI 應用的行業/領域：醫療保健 期望專屬 AI 解決方案協助的任務：提升效率/降低成本、創新產品/服務、優化行銷與客戶互動、輔助決策制定、內容創作與生成 期望使用的 AI 生成工具：ChatGPT、Claude、Gemini、可進一步與專家諮詢 執行形式：提供現成的 AI 解決方案、提供技術諮詢與策略規劃、進行客製化的專案開發、可進一步與專家諮詢

正在尋找的 AI 服務：專屬 AI 解決方案 AI 應用的行業/領域：科技/軟體 期望專屬 AI 解決方案協助的任務：自動化重複性工作 期望使用的 AI 生成工具：N8n 執行形式：進行客製化的專案開發 執行時長：1-2 週 交付日期：2025/10/9

我正在尋求專家可以提供n8n AI 自動化流程開發服務相關服務，服務內容 請參考：https://www.tasker.com.tw/workroom/nJN23Y?se=KBaW 若您能提供相關服務，歡迎提供報價與合作資訊。

需求名稱：咖啡瑕疵豆自動篩選 目標：開發一個能偵測「正常豆」與「瑕疵豆」的系統，並能配合已製作的樂高實體機器。 細節說明： 1. 影像處理與標註：對正常豆與瑕疵豆進行影像處理和標註。 2. 訓練深度學習模型：使用YOLOv8和OpenCV進行模型訓練。 3. 提供應用程式：支持桌面或網頁應用，可上傳圖片或即時拍攝。自動偵測並標記瑕疵豆，匯出包含影像和CSV統計的檢測結果。

用於哪個行業：資訊業 細節說明： 開發和優化檢索增強生成（RAG）系統 開發和優化模型以提高生成文本的準確性和相關性 有相關經驗優先合作

工作地點：遠端 工作類型：全職 職位描述： 我們正在尋找一名AI/ML工程師加入我們的機器人團隊，專注於為我們的先進機器人系統進行資料收集、處理和模型開發。您將負責建構為我們的類腦運算技術提供動力的資料基礎設施和AI模型。 主要職責： • 設計和實施機器人系統的資料收集管道 • 發展動作捕捉和動作辨識系統 • 建構機器人感知的視覺處理模型 • 創建人機互動的語言對話模型 • 處理多模態資料流（視覺、聽覺、觸覺、語言） • 實施資料加密和隱私保護系統 • 與後端工程師合作進行高併發資料處理 技術要求： • 熟練Python和C/C++編程 • 具備機器學習框架經驗（TensorFlow、PyTorch） • 了解電腦視覺和NLP技術 • 具備資料管道開發經驗 • 理解機器人技術和感測器資料處理 • 熟悉雲端運算和分散式系統 • 具備即時數據處理經驗

------------ 案件需求說明 ------------ https://youtu.be/dbHtdYGbtyc Edge Sentinel AI SDK 核心夥伴招募（基於現有 MVP 基礎整合離線人臉活體檢測功能） 本專案主要目的在尋找具備 Android 及機器學習模型整合經驗的研發夥伴。我們將在一個已具備關鍵功能的 MVP 基礎上進行深度開發，目標是將其產品化為市場上最具競爭力的 離線活體檢測 SDK。 ------------- 專案目標與背景 ------------- 本專案在解決現有人臉辨識技術的最大安全痛點：「欺詐攻擊」（Presentation Attack Detection, PAD）。現有的應用程式容易被照片、回放的影片或 3D 面具欺騙。 您的任務是將我們客製化訓練的 TensorFlow Lite 模型（現稱為 LiteRT）無縫整合進現有即時人臉辨識流程，以實現 完全離線、即時、免費的活體檢測 功能。 關鍵要求： 確保人臉必須被判定為 真實活體，才能進入後續的身份辨識流程，大幅提升應用程式的 防詐欺能力。 ----------------------- 現有 MVP 狀態（工作基礎） ----------------------- 本專案基於一個 已完成 且功能穩定的 Android MVP 進行開發，現有程式碼（codes/complete 分支）已具備以下核心架構與功能： 1. 即時影像串流：利用 Camera2 API 和 CameraConnectionFragment 顯示即時攝影機畫面。 2. 人臉偵測：使用 Google ML Kit 函式庫從影像幀中檢測人臉位置並繪製邊框。 3. 特徵辨識：使用 FaceNet 或 MobileFaceNet 模型（`.tflite` 格式：如 `facenet.tflite`, `mobile_face_net.tflite`）進行人臉特徵嵌入（embedding）計算。 4. 本地資料庫：支援人臉註冊（Face Registration），將嵌入向量與姓名儲存於本地資料庫（`db/DBHelper.java`）。 5. 活體模組：`codes/complete` 分支中已包含 `Face_Recognition/LivenessDetector.java` 類別及對應的 `model.tflite` 模型，但需優化並串接至核心流程。 -------------------- 核心整合任務與技術細節 -------------------- 開發夥伴需完成以下 最小可行產品 (MVP) 級別的整合任務，並為延伸功能打下基礎： 1. 模型載入與初始化：確保 `app/build.gradle` 包含必要的 TensorFlow Lite / LiteRT 依賴，並在 `MainActivity` 中初始化 `LivenessDetector` 物件。傳遞 欺詐閾值（例如 0.5）給建構函式。 2. 影像前處理：將 ML Kit 偵測後裁切的人臉影像，精準調整為活體模型要求的 224x224 像素的 4D 陣列 作為輸入。 3. 活體檢測 Gate 串接： * 在處理流程（例如 `performFaceRecognition` 方法內）中，必須 在進行人臉辨識（Face Recognition）之前，先呼叫活體檢測邏輯。 * 流程阻斷：如果模型輸出值（介於 0 到 1 之間，接近 1 為欺詐） 大於或等於 預設閾值（`isLive()` 返回 false），則 立即停止後續的辨識流程。 * 結果顯示：若判定為欺詐，則在人臉框旁顯示 「spoof」 或本地化警告，而不顯示人名。 -------------------------- 延伸功能 (加分項，納入 Open-Core 商業化) -------------------------- 我們計畫將專案進一步升級，以實現市場區隔： 1. 活體策略增強：整合 被動式活體（靜默）與 主動式活體（如眨眼、點頭挑戰指令）的風險升級機制。 2. 可驗證性：設計 PAD 測試腳本，並輸出包含模型分數、延遲與判定理由的 可審計 JSON Log。 3. 安全與隱私：對本地儲存的人臉嵌入進行 加密（如 SQLCipher/Android Keystore），並啟用 ProGuard/D8 混淆。 4. 跨平台/擴展：確保 TFLite 模型能在 iOS (透過 Swift/Objective-C API) 與 Raspberry Pi (C++/Python API) 上運行，保持核心邏輯的共享性。 ------------------------ 開發者技能要求（必須具備） ------------------------ 我們尋求具備以下經驗與能力的夥伴： * 精通 Java/Kotlin 語言：具備 Android 應用程式開發與現有代碼庫修改能力。 * TensorFlow Lite 整合經驗：有在 Android 裝置端載入、運行和優化 TFLite 模型（或新版 LiteRT API）輸入/輸出的實戰經驗。 * 機器視覺基礎：了解人臉檢測（ML Kit）與人臉辨識（FaceNet/embedding/距離比較）的基本工作原理。 * 問題解決能力強：能獨立調試、測試並優化活體檢測效能，例如根據測試結果調整欺詐閾值（`spoof threshold`）。