AI × Product
怎麼讓 AI 真正成為產品流程的一部分？
從 LLM API、RAG 問答，到影像辨識與自動標註，我喜歡處理模型前後的整合：使用者怎麼送出資料、後端怎麼處理任務、結果怎麼儲存，以及最後怎麼讓使用者拿到真正有用的輸出。
About
把 AI、資料與後端流程，
做成真正能被使用的產品。
AI Application · Python Backend · Data Engineering
我喜歡把一個看起來複雜的需求，拆成可以一步一步完成的流程。
比起一開始就追求很多功能，我更習慣先找到真正需要解決的問題，做出一條可以完整運作的流程，再慢慢補上資料處理、錯誤狀態、權限、部署與使用體驗。
目前我主要投入 AI 應用、Python 後端與資料工程，並持續練習如何把模型、資料、API、資料庫與雲端服務串在一起。
對我來說，寫程式的目的不只是讓功能「跑起來」。我更在意的是：
當資料出錯時，系統會怎麼處理？
任務失敗時，能不能知道問題發生在哪裡？
使用者操作時，知不知道系統現在正在做什麼？
半年後再回來看這段程式，還能不能理解它？
能跑只是第一步，能被理解、維護與使用，才是我真正想完成的東西。
What I build
Data × Pipeline
資料很少一開始就是乾淨的。
所以我持續練習從原始資料開始，處理資料清洗、驗證、轉換、資料庫設計與 ETL Pipeline。比起單純得到最後的結果，我更在意這筆資料從哪裡來、經過了什麼，以及出了問題之後能不能追蹤。
Backend × Cloud
把一個功能從本機一路推到真正可以使用。
包含 API、資料庫、背景任務、檔案儲存、身分驗證、Docker，以及雲端部署。原本散落在不同地方的技術，最後真的變成一條完整的使用流程，是我覺得開發最有成就感的時刻。
How I work
Break it down.
遇到複雜的問題時，我通常不會立刻開始改程式。我會先確認：現在發生了什麼問題？問題可能在哪一層？我該如何驗證自己的猜測？把問題拆成小部分之後，很多原本看起來很混亂的事情，通常就會開始變得清楚。
Make it understandable.
我很喜歡把自己剛理解的事情重新整理一次。可能是一份筆記、一張流程圖、一段 README，或是一套別人也能照著操作的步驟。過去的教學與 SOP 整理經驗，也讓我習慣思考：「如果今天不是我在操作，另一個人看得懂嗎？」這個習慣後來也延伸到我的程式、文件與系統設計裡。
Ask one more why.
我不是那種看到程式可以執行，就會馬上停止的人。很多時候我還是會繼續問：「可是它為什麼這樣運作？」我喜歡把一個原本只是「會用」的東西，慢慢理解成「知道它在做什麼」。
Tools
Core
- Python
- SQL
- Flask
- PostgreSQL
- MySQL
AI & Data
- Gemini API
- RAG
- Pandas
- ETL
- REST API
Cloud & Dev
- GCP
- Docker
- Git
- Cloud Run
- GCS
Web
- Astro
- TypeScript
- Tailwind CSS
Beyond code
程式之外，我也需要讓腦袋離開問題一下。
長時間卡在一個問題裡時，我不太喜歡一直硬盯著螢幕。有時候暫時把注意力移開，讓腦袋重新整理一次，反而能跳脫原本的視角，找到問題的根源。
我也很享受那些沒有「一定要得到答案」的時間。對我來說，工作和休息不是完全相反的兩件事情。很多原本想不通的問題，反而是在停止用力想之後，慢慢有了新的方向。
A little about me
我是一個好奇心很重的人。遇到新的東西，很容易一路從「這怎麼用？」問到「所以它底層到底在做什麼？」同時，我也很喜歡把混亂的資訊整理成自己看得懂的結構。可能這也是為什麼，比起單純完成一個功能，我更享受把一整條流程慢慢拼起來的過程。
Fun fact
遇到不懂的東西，我通常會一路問到「為什麼」。
而且很常原本只是想查一個錯誤訊息，最後莫名其妙開始研究整個系統的運作方式。
Now
- Currently learning
- Data Engineering & System Design
- Currently building
- AI × Data Side Projects
- Currently improving
- SQL · Backend · Cloud
- Currently writing
- Engineering Notes
Let's connect
有有趣的問題想一起解決嗎？
我喜歡討論 AI、資料、後端系統，以及如何把一個想法從「好像可以」慢慢做成「真的可以使用」。如果你正在尋找一位願意把問題拆清楚、把功能做完整，也願意持續學習的工程夥伴，很歡迎找我聊聊。
前往聯絡我 →