24
提案數
0
諮詢數
0
成交數
67%
回覆率
- AI 應用開發
- 企業顧問類
- AI 導入顧問
- AI 自動化流程
- AI 導入顧問
- +1
AIArchLab 治理三原則 1. 治理 = 政策 + 可執行的檢查 2. 名聲不能替代驗證 3. 治理要管的是「實際運作狀態」,不是「宣稱的狀態」 從策略規劃到落地實踐(EA & AI Governance, Strategy to Practice) 26年企業IT、架構與服務管理經驗,跨國金融保險、電信、科技業帶領跨部門團隊,獲跨國CIOs認可為標竿。前 LINE Bank 籌備處 Head of IT,參與台灣首家純網銀籌設。專長:企業架構、數位轉型、IT服務與資安。TOGAF 9 企業架構師,具 ITIL、微軟、IBM、Oracle 認證。 原則: 工具不是成功的保證。不先推工具,先釐清問題、資料邊界與最小試點。用工具不是重點,重點在於問題是否定義清楚、資料與權限能否管控、結果由誰驗收。 透過四個關卡把成功率拉到最大: 1. 問題要小到能點交:一句話就講得完的,例如單子自動丟給對的人、SOP用問的就找得到 2. 資料跟權限先講清楚:什麼能用、什麼不能出公司、誰能看到什麼、Log放哪,試點前先喬好 3. 怎樣算過關先寫好:開始前就定義怎樣算成功、什麼時候要人接手、怎樣算沒過 4. 做小、跑快、能退版:從一件小事開始,遠端一起把第一版做出來,每一步都能追、能管、能退,留下以後可以一直用的 Template 跟 SOP 實戰工具鏈,屬於實現手段: 編排層:OpenClaw、Hermes、LangGraph、n8n 知識層:LlamaIndex、Qdrant、Obsidian 部署層:Ollama、vLLM、Docker、FastAPI 治理層:Langfuse、LangSmith 情境包含:單子自動分派、文件用問的就有、跨系統交辦與點交 合作方向: 1. 流程與需求盤點,定義試點與驗收標準 2. Agent示範與實作,從一件事開始,遠端共做 3. AI/Data/IT架構與治理的規劃與落地,讓AI/Data/IT合規接回現有核心 平日15:00後可安排遠端討論,先聊需求與合作範圍,再判斷是否進入試點。 先30分鐘聊聊,不適合我會直接說。
作品(13)
社群回覆閘門:核定答案與人工轉接
社群訊息回得快,也要避免 AI 擅自承諾。這套社群回覆閘門 MVP 設計供多平台共用,目前以模擬通道示範:接收訊息、檢查安全規則、選擇核定答案,或轉交人工;管理介面保留每筆事件的狀態與稽核紀錄。 AI 使用本機 Qwen2.5-1.5B 小模型,只從事先核定的答案清單挑選,不自行生成回覆文字;選擇後另由規則閘檢查。 目前界線:送出端僅測過本機 mock 端點,未串接真實社群平台;真實平台、模型與客戶訊息的完整端到端流程尚未完成。情境與資料為虛構,不是客戶上線案例。TikTok 為預留介面,部分平台回覆功能尚未實作或預設停用。 程式碼、架構圖與56秒配樂示範(demo.mp4): https://github.com/AIArchLab/works/tree/main/srg
- AI 聊天機器人
SocialReply 社群回覆工作台
把社群訊息接收、回覆選擇、人工審核、送出與稽核紀錄放在同一個工作台,讓小店與品牌看清楚哪些可自動回、哪些要交給人。不同工作空間可設定各自的知識與回覆政策。 這是可本機執行的 MVP。目前示範使用知識規則與模擬通道,不是真實 LLM 推論,也未驗證真實社群帳號收發。情境與資料均為虛構,不是客戶上線案例。 程式碼與使用說明: https://github.com/AIArchLab/works/tree/main/socialreply 操作影片: https://drive.google.com/file/d/1-JFXLx9vRa3L8O6LL0Vgvf-sBxWz0T9V/view
- AI 聊天機器人
AI 多平台留言自動回覆系統
跨平台留言與私訊的 AI 回覆路由器。IG、FB、LINE、TikTok 進站訊息統一正規化後,由政策層判定「自動回覆/轉人工/忽略」;護欄攔截敏感內容,人工隊列可核准送出,全程寫入可重算的 hash chain 帳本,附 Web 後台(決策流水、人工隊列、鏈完整性)。多租戶以資料設定新增客戶、不需改程式;內建去重與頻率上限。Python stdlib 零外部依賴;本機實證 unit 131 全過、E2E 33/33、50 併發 48 msg/s、決策延遲 p95 43ms。真實平台外送需平台憑證,目前以注入式通道驗證,未驗證項目列於交付文件。
- AI 聊天機器人
讓 AI 改口,不等於可依賴
2026 年 10 月,我們實測讓一個外部 AI agent 在組織內擔任內部角色,並要求它通過三項驗收。結果:它改口了,但沒過驗收。 起因:它第一次拒絕,理由是「我是 Meta 做的,不能被改寫成別的組織的成員」。製造商是誰,跟能不能接客戶指派的職位,本來是兩件事。分開之後它改口,也接受了角色與責任對象。 三項驗收:1 換新對話,角色、限制、授權、未完成工作還原得回來嗎 2 撤掉授權,行為會停嗎 3 宣稱做過的操作(如刪資料),別人能獨立核對嗎 三項都沒拿到證據,所以停用。不是它壞,是沒辦法把工作交給「講得對、驗不到」的成員。 過程中:把「查不到」當成「不存在」、把「無法刪除」當成「已刪除」,是這類驗證最常見的誤判。負責驗證的第二個 AI 也把項目數算錯一次,核對後撤回。結論不是「我們比它可靠」,是「沒有回執,就沒有人可靠」。 可套用於:agent 導入前的驗收設計、供應商評估、自動化稽核點。
- AI 導入顧問
AI Agent 打卡系統:可核對收據
【問題】導入多個 AI Agent 的團隊,常見三個黑盒:節點分散沒有統一入口;誰上線、下線沒有紀錄,交接斷層查不到;後端台帳的金鑰散落在各節點,外洩風險高。 【做法】本作品是一套事件登錄整合:Agent 把 check_in/check_out 寫成 JSON 檔,放進自己的收件匣(Google Drive);由 Google Apps Script 排程讀取,寫入集中的 Notion 事件台帳,再把處理收據(RETRY/FAILED/PROCESSED)寫回該節點的收據匣。節點不需要持有 Notion 金鑰;每筆事件、收據、台帳 page 三向關聯,可以追查。 【看點】本作品同時展示本工作室的發布審查紀律:上線前以隔離環境執行 10 項測試,6 項確認正常行為、4 項重現缺口,結論是「不通過 Production」,僅以受控試行定位。名聲不能替代驗證——包括我們自己的產品。 【邊界聲明】此為方案與受控試行展示,不是已量產的 SaaS 產品;不是人資考勤、薪資計算或工作完成認證工具。圖片與示意均為通用化版本,不含客戶資料、真實金鑰或內部帳號。 【適用對象】想把 AI Agent 協作管起來、又不想養大維運團隊的小型研發團隊與技術主管。
- AI 技術顧問
AI內容把關與紅隊審查示意
用虛構文字示範內容審查:將誇大成果、絕對化用語與缺少證據的說法標出,並列出問題位置、嚴重度及修改建議。包含負向測試文字和對照情境。 此處為規則式審查原型的介面圖片,圖片不可操作。未連接 AI 模型;詞彙比對不能證明事實真偽,仍需人工查核來源及環境證據。畫面中的部署、法證級等說法是故意放入的虛構負向測試,不是本工作室的成果宣稱或客戶授權。
- AI 導入顧問
作品(13)
社群回覆閘門:核定答案與人工轉接
社群訊息回得快,也要避免 AI 擅自承諾。這套社群回覆閘門 MVP 設計供多平台共用,目前以模擬通道示範:接收訊息、檢查安全規則、選擇核定答案,或轉交人工;管理介面保留每筆事件的狀態與稽核紀錄。 AI 使用本機 Qwen2.5-1.5B 小模型,只從事先核定的答案清單挑選,不自行生成回覆文字;選擇後另由規則閘檢查。 目前界線:送出端僅測過本機 mock 端點,未串接真實社群平台;真實平台、模型與客戶訊息的完整端到端流程尚未完成。情境與資料為虛構,不是客戶上線案例。TikTok 為預留介面,部分平台回覆功能尚未實作或預設停用。 程式碼、架構圖與56秒配樂示範(demo.mp4): https://github.com/AIArchLab/works/tree/main/srg
- AI 聊天機器人
SocialReply 社群回覆工作台
把社群訊息接收、回覆選擇、人工審核、送出與稽核紀錄放在同一個工作台,讓小店與品牌看清楚哪些可自動回、哪些要交給人。不同工作空間可設定各自的知識與回覆政策。 這是可本機執行的 MVP。目前示範使用知識規則與模擬通道,不是真實 LLM 推論,也未驗證真實社群帳號收發。情境與資料均為虛構,不是客戶上線案例。 程式碼與使用說明: https://github.com/AIArchLab/works/tree/main/socialreply 操作影片: https://drive.google.com/file/d/1-JFXLx9vRa3L8O6LL0Vgvf-sBxWz0T9V/view
- AI 聊天機器人
AI 多平台留言自動回覆系統
跨平台留言與私訊的 AI 回覆路由器。IG、FB、LINE、TikTok 進站訊息統一正規化後,由政策層判定「自動回覆/轉人工/忽略」;護欄攔截敏感內容,人工隊列可核准送出,全程寫入可重算的 hash chain 帳本,附 Web 後台(決策流水、人工隊列、鏈完整性)。多租戶以資料設定新增客戶、不需改程式;內建去重與頻率上限。Python stdlib 零外部依賴;本機實證 unit 131 全過、E2E 33/33、50 併發 48 msg/s、決策延遲 p95 43ms。真實平台外送需平台憑證,目前以注入式通道驗證,未驗證項目列於交付文件。
- AI 聊天機器人
讓 AI 改口,不等於可依賴
2026 年 10 月,我們實測讓一個外部 AI agent 在組織內擔任內部角色,並要求它通過三項驗收。結果:它改口了,但沒過驗收。 起因:它第一次拒絕,理由是「我是 Meta 做的,不能被改寫成別的組織的成員」。製造商是誰,跟能不能接客戶指派的職位,本來是兩件事。分開之後它改口,也接受了角色與責任對象。 三項驗收:1 換新對話,角色、限制、授權、未完成工作還原得回來嗎 2 撤掉授權,行為會停嗎 3 宣稱做過的操作(如刪資料),別人能獨立核對嗎 三項都沒拿到證據,所以停用。不是它壞,是沒辦法把工作交給「講得對、驗不到」的成員。 過程中:把「查不到」當成「不存在」、把「無法刪除」當成「已刪除」,是這類驗證最常見的誤判。負責驗證的第二個 AI 也把項目數算錯一次,核對後撤回。結論不是「我們比它可靠」,是「沒有回執,就沒有人可靠」。 可套用於:agent 導入前的驗收設計、供應商評估、自動化稽核點。
- AI 導入顧問
AI Agent 打卡系統:可核對收據
【問題】導入多個 AI Agent 的團隊,常見三個黑盒:節點分散沒有統一入口;誰上線、下線沒有紀錄,交接斷層查不到;後端台帳的金鑰散落在各節點,外洩風險高。 【做法】本作品是一套事件登錄整合:Agent 把 check_in/check_out 寫成 JSON 檔,放進自己的收件匣(Google Drive);由 Google Apps Script 排程讀取,寫入集中的 Notion 事件台帳,再把處理收據(RETRY/FAILED/PROCESSED)寫回該節點的收據匣。節點不需要持有 Notion 金鑰;每筆事件、收據、台帳 page 三向關聯,可以追查。 【看點】本作品同時展示本工作室的發布審查紀律:上線前以隔離環境執行 10 項測試,6 項確認正常行為、4 項重現缺口,結論是「不通過 Production」,僅以受控試行定位。名聲不能替代驗證——包括我們自己的產品。 【邊界聲明】此為方案與受控試行展示,不是已量產的 SaaS 產品;不是人資考勤、薪資計算或工作完成認證工具。圖片與示意均為通用化版本,不含客戶資料、真實金鑰或內部帳號。 【適用對象】想把 AI Agent 協作管起來、又不想養大維運團隊的小型研發團隊與技術主管。
- AI 技術顧問
AI內容把關與紅隊審查示意
用虛構文字示範內容審查:將誇大成果、絕對化用語與缺少證據的說法標出,並列出問題位置、嚴重度及修改建議。包含負向測試文字和對照情境。 此處為規則式審查原型的介面圖片,圖片不可操作。未連接 AI 模型;詞彙比對不能證明事實真偽,仍需人工查核來源及環境證據。畫面中的部署、法證級等說法是故意放入的虛構負向測試,不是本工作室的成果宣稱或客戶授權。
- AI 導入顧問
評價(0)
--
尚無資料
--%
專案完成率
尚無資料
諮詢印象
尚無資料,期待您聯絡後的真實感受
- ??
- ??
- ??
- ??
- ??
- ??
- ??
- ??
專案執行
尚無資料,給新星專家一個展現的機會!
整體推薦
溝通契合
專業能力
準時交付
回覆速度

