SYSTEM: ONLINE
Vibe Specs

擅長打造可運維的資料與 AI 系統

聚焦「可運維、可追溯、可擴展」的工程設計。

[D] 資料管線
[V] 向量 ETL
[H] SQL + 向量混合
[A] Agent 穩定性
[O] 可觀測性
精選專案

代表性案例

1) B2B 銷售/庫存 BI + AI 系統

Legacy Excel → 決策級分析

核心設計

  • RAG + SQL + LLM reranking 混合查詢鏈,兼顧語意與商業規則。
  • Profile SSOT(單一真相來源)+ 事件驅動更新,向量維護改為佇列式治理。
  • 向量 ETL:Profile → Embedding → pgvector/HNSW 索引,批次可追溯。
  • SQL + 向量同步:靜態欄位向量化、動態欄位由 SQL 更新。
  • HMAC + 時間窗保護關鍵更新流程,並可回放事件。
  • Excel 自動匯入由獨立監控服務處理。

工程與品質

  • Async-first DB 存取與端到端型別安全(Pydantic + TS)。
  • 測試帶:Playwright、Vitest、Stryker、Pa11y、Percy。
  • 向量成本追蹤與品質監控,維持可控的 AI 成本效益。
3,000+ members / 16,000+ products
1,000+ daily recommendations
+25% reranking 品質提升
3,400+ profiles 重新生成

2) ERP 匯出資料中台

輕量 Data Warehouse|匯出資料的中台化

核心設計

  • 待齊檔批次機制,檔案完整才啟動 pipeline。
  • 正規化 + 驗證 + 去重,搭配錯誤碼目錄管理資料品質。
  • 修正器流程:未匹配清單 → 指派/合併/忽略 → mapping 永久化。
  • 模糊匹配:分段相似度門檻,提供建議清單。

輕量 Data Warehouse 架構

  • staging/raw → canonical → mapping/關聯視圖 → 事實/指標彙總層。
  • 批次 ID 追蹤版本與回放,支援重算與差異追蹤。
  • 彙總結果可刷新(物化視圖或彙總表)。
  • Prometheus + OpenTelemetry + 結構化 log 串接可觀測流程。
10k–100k 筆資料規模
< 3s 儀表板載入
< 5m 匯入重算
72 測試案例

5) 智能作文評分與教師偏好學習

AI 評分 + 教師偏好學習

核心設計

  • 雙引擎批改:評分引擎負責總分與四維度評分,抓錯引擎輸出錯誤標註。
  • 風格學習引擎:生成教師風格指令,讓批改風格可被學習與調整。
  • Smart Session:explore → confirm → polish 偏好學習迴圈。
  • 離線題庫優先,LLM 選配增強以控制成本與延遲。
  • Redis → Postgres 降級策略,確保流程不中斷。

可分享亮點

  • 錯誤標註與 UI 高亮同步,含前後空白也能定位。
  • 偏好信號累積 dimension_confidence,逐步貼近教師風格。
最新文章

技術分享與工程思考