PROJECT SHOWCASE

AI 專案專欄

不是技術教學，而是一個 PM 如何判斷、選擇、執行 AI 專案的過程記錄

01
LIVE

AI 協作架構 — 模組化設計

如何用管理者思維設計一套模組化的 AI 內容協作系統

三個專職 AI 模組（網站架構師、文章寫手、網路資訊專家），各自有獨立的上下文定義與品質機制，共用自動上架 pipeline（WordPress 自動上架 + Cloudflare Pages 自動 rebuild）。從需求定義、模組拆分、風險管理到上線驗證的完整過程。

AI Workflow 設計Claude APIGEO 優化WordPress REST API
📡
資料來源
14 家 AI 巨頭官方資訊
🔄
工作流程
抓取 → 轉寫 → 查核 → 發佈
🛠
展示能力
從 0 到 1 建立自動化產線
📊
品質控制
內建事實查核機制
相關文章
AI Agent 應用用 Multi-Agent 架構管理企業內容生產：三個 AI Agent 的分工設計實錄2026.03.22→AI Agent 應用用 AI 工具一天完成網站架構遷移：從管理者的決策框架實錄2026.03.22→AI Agent 應用AI 內容產線設計實錄 — 事實查核、風格一致性、選題判斷怎麼被設計進去的2026.03.20→AI Agent 應用Context Engineering 取代 Prompt Engineering — 1M 窗口時代的 AI 協作方法論2026.03.20→AI Agent 應用AI 跨 Session 記憶斷層 — 用 HANDOFF 模式讓每次對話都能接住上次進度2026.03.20→AI Agent 應用Claude Code 用久了為什麼會「變笨」？用六層架構的系統設計思維來解決2026.03.19→
查看全部文章 →
02
進行中

企業該不該用 RAG？實測決策框架

不是每個知識查找問題都需要 RAG——用數據決定技術選型

以 200+ 份文件為測試場景，實際比較 RAG 與 context stuffing 兩種方案的效能差異。從資料處理、檢索架構到評估指標，完整記錄每個技術選型的判斷依據與 trade-off。

RAG向量資料庫評估指標ChromaDB
🧠
核心技術
RAG vs Context Stuffing
📚
知識庫
200+ 份文件（文章 + 技術文件）
🎯
關鍵挑戰
技術選型決策與 Trade-off
📐
評估方式
RAGAS 量化評估（88 vs 93 分）
相關文章
AI Agent 應用企業導入 RAG 完整實戰指南 — 從「要不要做」到「做完怎麼評估」2026.03.24→AI Agent 應用RAG 優化實戰：Query Rewriting 怎麼把分數從 77 拉到 882026.03.24→AI Agent 應用RAG 系統的 77 分怎麼來的？一次完整的 Retrieval 品質診斷2026.03.24→AI Agent 應用RAG 實測：用 200 份文件跑出來的數據，跟你想的不一樣2026.03.24→AI Agent 應用建一條 RAG Pipeline 之前，你需要做的六個技術決策2026.03.24→AI Agent 應用你的資料真的需要 RAG 嗎？三組 Baseline 實測告訴你2026.03.24→AI Agent 應用RAG 之前你該知道的事：四種資料檢索方法完整比較2026.03.24→
查看全部文章 →
03
進行中

跨語言社群聲量分析系統

用 AI 解決跨語言市場的品牌情報斷層

以真實產品上市案例為場景，設計模組化的社群聲量分析框架。從需求拆解、架構設計、MVP 實測到撞牆應對，完整記錄每個階段的判斷與 trade-off。

社群分析Claude APIMVP 驗證Rollout
🤖
核心技術
Claude API + Python（純 API，不用框架）
📡
資料來源
X / App Store / Google Play / GameWith
🎯
關鍵挑戰
API 限制下的資料蒐集策略
📐
評估方式
UAT 驗收 + Adoption Metrics
相關文章
AI Agent 應用AI 系統做完了然後呢？從 UAT 到 Rollout 的導入實戰紀錄2026.03.25→AI Agent 應用AI 專案撞牆紀錄：零成本社群監測的天花板在哪裡2026.03.25→AI Agent 應用AI 系統架構設計：為什麼我選純 API 不用 Agent 框架2026.03.25→AI Agent 應用不懂當地語言怎麼做海外市場？一個品牌人的 AI 解決方案拆解2026.03.25→
查看全部文章 →