完整案例原文

面對挑戰:我的核心專案經驗 (STAR 原則論述)

概要:以下為代表性專案 STAR 論述,涵蓋效能優化、即時推送、串流、團隊轉型、高可用與領域知識工程化。

技術:各案例含情境、任務、行動與量化成果;細節見各挑戰段落。

挑戰一:極限資源下的資料庫效能優化($20/月主機 PoC 與時序映射索引)

情境 (S): 客戶有一套持續寫入三千萬筆車牌資料的搜尋系統,單次模糊搜尋需時約 5 分鐘。客戶要求先在一個每月僅 20 美元的低規格雲端主機上證明技術可行性(PoC),才願意相信能解決問題。

任務 (T): 在不升級硬體的前提下,重新設計資料表結構與查詢機制,將三千萬筆車牌搜尋時間壓縮至 1 秒以內。

行動 (A): 我觀察到車牌紀錄是一直寫入的「時序型資料(Time-Series Data)」,若直接用 MySQL 對大表做車牌模糊搜尋,必然觸發全表掃描(Full Table Scan)。因此我在每一筆資料寫入的同時,同步維護一張輕量的「時間索引映射表(記錄哪個時間區間對應到哪個 Auto-Increment ID 區段)」。當使用者搜尋車牌並帶入可能的時間區間時,系統會先透過這張映射表瞬間過濾掉絕大多數無關的 ID 段,將搜尋範圍大幅縮小至極小的主鍵區間內,再進行模糊比對。

成果 (R): 因為搜尋範圍被大幅收斂,模糊搜尋幾乎不再產生 I/O 壓力,在 $20/月 的低配主機上穩定於 1 秒內返回三千萬筆資料的查詢結果,成功以實績贏得客戶信任。

挑戰二:引導團隊進行無痛的現代化技術轉型(為淘汰而設計的過渡框架)

情境 (S): 於臺立方數位科技任職期間,當時 Vue.js 剛開始流行,但公司內部工程師仍習慣以傳統流水線與 jQuery 思維寫程式,尚未建立現代框架概念。若直接在客戶專案貿然引入 Vue CDN,對沒有概念的同仁來說風險過高;同時「公司要的是即戰力,同仁要的是不影響下班時間」。

任務 (T): 在不增加同仁下班學習負擔、不影響專案穩定交付的前提下,拉平學習曲線,讓團隊無感過渡到現代前端開發思維。

行動 (A): 我花了約 2 週時間,基於團隊熟悉的 jQuery 開發了一套「仿 Vue.js 核心概念」的內部輕量框架,只保留最核心的「樣板 (Template) + 資料驅動綁定」,讓同事在既有專案中自然習慣資料驅動的寫法。

成果 (R): 透過這塊墊腳石,約半年後同事便開始在下一份新專案中直接使用正式的 Vue.js 且幾乎沒有轉換陣痛;大約一年後,當全體同仁都已熟練掌握 Vue.js,我開發的這套過渡框架便順利功成身退、自然淡出。

挑戰三:跨 WAN 高可用企業代管架構與 3-2-1 零信任備援

情境 (S): 我以自有資金與家用光世代網路自建跨區域伺服器叢集,並承接上櫃公司之網站代管服務。官方並不建議跨高延遲 WAN 組建 Proxmox Cluster,初期我也確實踩到 Corosync 因 WAN 延遲抖動觸發腦裂(Split-brain)導致節點頻繁重啟的坑。

任務 (T): 克服跨 WAN 高延遲不穩定問題,在極低硬體與維運成本下,為上櫃公司客戶提供前端無感切換、後端資料零遺失(RPO 1–30 分鐘)的高可用代管服務。

行動 (A):
1. 網路與叢集調校: 採用分散式 VPN 解決跨 WAN 路由與延遲問題,並深入調校 Corosync `totem` 協定的 `token_timeout` 等參數,消除腦裂重啟。
2. 分鐘級資料同步: 結合 ZFS Replication 與 Proxmox Backup Server (PBS),將 RPO 最短壓至 1 分鐘、最長 30 分鐘。
3. 前端 CDN 兜底與 3-2-1 加密備份: 為上櫃公司客戶前端掛載 Cloudflare CDN,後端短時間維護或異常時前端完全擋得住、外部無感;資料層落實完整 3-2-1 備份(本地 Proxmox + 跨縣市 PBS + 私鑰加密後上傳雲端 S3)。

成果 (R): 即使遭遇毀滅性硬體災難,只要私鑰未遺失,資料皆可百分之百還原。該代管架構每年創造 20 萬台幣營收,而電費與雲端攤提成本控制在每年 2 萬台幣以內。

挑戰四:從雜訊到訊號 — 開發即時市場微觀結構分析引擎

情境 (S): 當沖交易充滿市場雜訊,傳統技術指標普遍存在延遲性,難以捕捉主力資金的真實意圖。真正的「Alpha」隱藏在最原始的逐筆成交資料 (Tick Data) 中,但如何從中提煉出有效訊號是一大挑戰。

任務 (T): 我的任務是從零開始,設計並開發一個能夠即時分析市場微觀結構的量化引擎。目標是將抽象的「主力意圖」與「攻擊決心」等概念,轉化為可量化、可執行的交易訊號,打造一個能洞察先機的「戰場雷達」。

行動 (A): 我負責了整個專案的生命週期,從演算法研究到系統實現:
1. 定義核心事件: 拋棄傳統指標,我定義了更能反映主力行為的「大單」與「一口吃」事件。
2. 建立動態模型: 為了適應不同個股與盤勢,我採用了基於即時樣本百分位數的 動態閾值 來偵測事件,而非寫死的靜態參數。
3. 量化攻擊急迫性: 獨創了「速度分層」機制,將事件發生的相對快慢分為四個等級 (Q1-Q4),用以衡量市場情緒的急迫程度。
4. 開發加權評分系統: 建立了一套結合「平均報酬」與「統計顯著性」的原始分數模型,並引入 時間衰減權重,確保訊號的即時性與有效性。

成果 (R): 概要:引擎成功上線,能即時過濾高價值訊號並捕捉複雜盤面。技術:Tick 事件、動態閾值、速度分層、時間衰減評分。

挑戰五:救援「A4 八大功能發散成 120 頁規格書」的失控 POS 專案

情境 (S): 自家公司與客戶各出資 50 萬合作開發客製化 POS 系統,簽約時僅有一張寫著「8 大功能(每項不到 10 個字)」的 A4 紙。不料前期負責的同事未意識到成本與範疇風險,順著客戶針對每個大功能做無上限的細節訪談,最終竟寫出一份 120 頁的規格書,導致專案做了快一年仍深陷泥淖、無法結案,這時才交由我接手。

任務 (T): 在雙方都喊時間與成本超支的僵局下,收拾這份 120 頁規格書的爛攤子,找出雙方都能接受的落地路徑並完成驗收結案。

行動 (A): 我接手後先向客戶坦誠點出核心問題:「當初雙方老闆簽約時只看那張 A4 的 8 大功能,誰都沒注意到後續發散出的 120 頁細節早已遠超百萬預算規模。」我以最初的 8 大功能概覽為邊界,在結案過程中持續滾動式地與客戶溝通,針對他們現場真正的 POS 使用痛點,重新設計出操作更簡單、同時開發時間與成本可大幅壓縮的新規格方案,逐步取代原本龐雜的 120 頁發散設計。

成果 (R): 成功在可控成本內解決客戶實際營運痛點,達成雙贏驗收結案;此後也在公司內陸續救援了兩三個同類型的失控專案,將「領域拆解與滾動式規格收斂」內化為標準能力。

挑戰六:政府監控標案技術停損與 ZLMediaKit HLS 驗證架構

情境 (S): 臨危受命介入一個已投入大量預算卻瀕臨失敗的政府監控專案,前期廠商的技術架構無法支援跨部門多人瀏覽器同時監看,且現場包含電池供電之受限設備。

任務 (T): 快速診斷問題根源以保護客戶利益;並針對原案無法克服的技術瓶頸,驗證出真正可行的串流架構。

行動 (A): 我在執行 RTSP 轉 HLS 任務時察覺系統底層矛盾,主動轉為技術顧問代表客戶與前期廠商進行技術盡職調查(Due Diligence),當場剖析對方架構缺陷並建議客戶中止合約以停損。隨後,我將該次經驗濃縮,獨立開發出一套完整的驗證架構:中心端以 ZLMediaKit 將原本同時連線僅個位數的 FLV 改為 HLS 分發,並結合內建 signed URL 實作播放鑑權;針對電池供電設備亦完成了樹莓派 + FFmpeg 低功耗邊緣轉發之 PoC 驗證(後因管理層對樹莓派架構穩定度有所顧慮而未納入正式採用)。

成果 (R): 成功幫政府客戶止血停損並贏得高度信任;後續獨立完成的串流平台雖因客戶預算凍結未進入採購,但已成為隨時可演示、完整解決多人併發監看痛點的技術驗證方案。

挑戰七:金融訊號 Durable Objects 低延遲推播(2 週 MVP 上線,延遲 1000ms → <30ms)

情境 (S): 金融策略訊號系統每天發出的訊息極少(一天不到 10 封),但每一筆都要求極致低延遲,好讓投資人能透過 WebSocket 直接串接自動交易程式。專案初期從 0 到連同金流上線僅有 2 週時間。

任務 (T): 先在 2 週內以最穩定的方式完成上線與收費;隨後在不產生高昂固定伺服器月費的前提下,將約 1000ms 的輪詢延遲壓縮至毫秒級,並支援近千人同時接收訊號與防範共用帳號。

行動 (A):
1. 兩階段架構演進: 首兩週先以最穩定的 HTTP 輪詢快速打通金流與產品上線;上線後經過技術選型與成本比較,改採 Cloudflare Durable Objects 管理 WebSocket 長連線,达成可同時支撐近 1,000 人接收訊號,且每月成本不到 500 新台幣。
2. Telegram 極致加速: 為了壓低 Telegram 推播延遲,不採用一般打公網 HTTP Bot API 的做法,而是自建 Local Bot API Server,將系統與 TG 間的傳輸壓至 WebSocket 等級。
3. 連線鑑權與務實砍功能: 為防止付費使用者拿同一個帳號在不同地方同時接取 WebSocket 自動交易訊號,實作 Single-Session 即時連線鑑權;同時在上線一週後發現 WebSocket 與 TG 已滿足絕大多數用戶需求,考量 iOS 與 Android 推播權限處理成本過高,主動與老闆討論果斷停用 Firebase 推播方向,將研發資源集中在核心價值。

成果 (R): 端到端訊號延遲由 1000ms 降至 30ms 以內,月均基礎設施成本低於 500 台幣,目前穩定服務付費客戶中。

挑戰八:無障礙友善聖經與台語語音平台(PageSpeed 四項 100 滿分 + Python 音訊切分)

情境 (S): 打造線上聖經閱讀軟體(bible.succ.work)。聖經網站雖多,但要做到良好的 UI/UX 並兼顧無障礙閱讀使用是一大挑戰;同時聖經具有普世免費閱讀的價值理念,與收費商業模式矛盾,且後續加入「台語版」時,市面上 AI 根本沒有足夠便宜的台語語料可生成語音。

任務 (T): 針對無障礙閱讀優化 UI/UX 並取得 Google PageSpeed 四項滿分、將雲端音訊串流月成本壓至趨近於 0,並克服台語版缺乏逐節 AI 語音的難題。

行動 (A):
1. 無障礙閱讀 UI/UX 優化與 PageSpeed 四項 100 滿分: 針對無障礙使用情境深度優化介面與網頁結構,於 Google PageSpeed Insights 測試獲得 效能、無障礙、最佳實踐、SEO 四項 100 滿分。
2. 近零成本雲端架構: 比較多家雲端計費後,採用 Azure TTS + Cloudflare R2(免出口流量費)+ Cloudflare CDN,兼顧高順暢度與趨近於 0 的維持成本。
3. 台語音訊自動切分與自建校正工具: 梳理合法公開授權之聖經翻譯與「整章錄音」資料,先透過 Python 依據語音聲學與靜音特性,自動將整本台語聖經的整章音檔切分為以「節」為單位;再額外開發一套視覺化語音切分微調工具,讓志工(目前由我本人執行)能將切分點精準微調至分秒不差的位置,維持全站一致的「逐節播放」體驗。

成果 (R): 完美平衡產品理念、版權合規、無障礙閱讀體驗與零邊際成本,成為兼具工程深度與人文價值的代表作(查看 PageSpeed 四項 100 報告)。

挑戰九:履歷 RAG 問答 Bot(知識圖譜關聯切分,近零成本達成零幻覺)

情境 (S): 建置履歷 RAG 問答 Bot 時,若直接把履歷丟給 AI 或按固定字數切分(Chunking),由於履歷中各專案的技術字眼非常接近(例如把某專案的 Python 換成 C# 在語法上毫無違和,但事實完全錯誤),除非花大錢調用昂貴模型,否則便宜模型極易跟面試官答非所問、張冠李戴。

任務 (T): 在使用近乎 0 成本的輕量級 AI 模型前提下,確保回答百分之百符合履歷事實。

行動 (A): 放棄傳統按字數切割的做法,改以「事實邊界與知識圖譜(Knowledge Graph)關聯性」進行資料清洗與結構化切分,將每個專案的「背景限制—使用技術—量化成果」強制綁定為不可拆散的語意單元,部署於 Cloudflare Workers。

成果 (R): 以趨近於 0 的推論與維護成本,讓輕量模型也能針對面試官的提問給出精準、零幻覺的事實回答。

挑戰十:自建 AI Agent 遠端開發平台與雙層安全工具閘門(防高危指令與子代理權限逃逸)

情境 (S): 在日常高強度使用 AI Coding Agent 與遠端工作時,我希望人在外面能直接用手機透過 Telegram 遙控家裡筆電改 code、傳圖分析並即時預覽成果。然而,將 Coding Agent 暴露給外部 API 或自動執行存在極大資安風險:同步 HTTP 請求跑到一半無人能按「允許」,若全開權限則可能誤觸 rm、git reset --hard 或讀取 .env 密鑰;更隱蔽的是,SDK 的唯讀限制僅管束主迴圈,若不封鎖子代理(task),唯讀 Agent 仍能透過派發子代理在唯讀任務裡偷偷寫檔(Privilege Escalation)。

任務 (T): 打造一套支援行動端遠端開發、雙軌環境隔離預覽,且具備嚴格資安邊界與防權限逃逸機制的 Multi-Channel Agent Runtime。

行動 (A):
1. 多通道遠端工作流與雙軌預覽: 整合本機 Cursor SDK、非同步 Job 佇列與自架 Telegram Local Bot API(僅 Webhook),並將預覽環境拆分為 Cloudflare Tunnel(preview 筆電 Docker 即時預覽)與 Cloudflare Worker(demo 公開展示,部署強制帶 --env-file /dev/null 防密鑰外洩)。
2. 雙層工具閘門(Tool Gate): 實作 Cursor Hooks 閘門(/tool-gate/wait),CLI/TG 由真人審批,同步 HTTP 則採 allowTools 白名單宣告制(預設全拒);針對 rm、git clean、git reset --hard、sudo 等歸入 shell_risk 永不自動放行,每筆攔截皆寫入結構化稽核 Log。
3. 封鎖子代理權限逃逸: 於 Ask 唯讀模式與公開對話模板(/ai/chat)強制將 task 列入 disallowedTools,徹底阻斷透過子代理越權寫檔的漏洞。

成果 (R): 實現外出用手機隨時安全驅動全端開發與即時驗收,證明對 AI Agent Runtime 的掌握已深入至底層權限邊界與資安護欄設計。

挑戰十一:營造業 FDE(前線部署)現場落地 — 免切換視窗客服 RAG 外掛與 ERP 智慧安全閘道

情境 (S): 以 FDE(Forward-Deployed Engineer)模式走入傳統建設公司駐點調研,發現兩個核心問題:
1. 第一線查檔困難導致跨部門頻繁打斷: 住戶在官方 LINE 詢問時,客服因舊 ERP 難以檢索(看不出該 LINE 用戶對應哪個建案與戶別),找不到合約或客變圖,只能頻繁起身走到後台詢問成控主管,導致成控主管專注核算時每小時被打斷 3~4 次。
2. 內部自製 AI 工具直連 ERP 之風險: 公司內部同仁開始嘗試用 AI 寫查詢或試算小工具,但若直接開放連線核心 ERP 資料庫,極易因權限過大或 AI 程式邏輯錯誤而把髒資料寫入 ERP。

任務 (T): 在「不強迫員工改變既有工作習慣」的前提下,讓第一線客服能自主秒查舊 ERP 圖檔以減少打斷後台主管;同時為內部 AI 開發建立保護核心 ERP 的安全屏障。

行動 (A):
1. LINE 客服側欄 RAG 外掛(解決查檔與打斷問題): 全量爬梳舊 ERP 檔案結構,建立「客戶 ↔ 建案 / 戶別 ↔ 路段」關聯圖譜;開發嵌於 LINE 官方後台側欄的瀏覽器外掛(Extension),自動識別發話住戶戶別並秒級調閱合約、客變圖與污水公文,讓客服自己就能查到答案,大幅減少去成控主管桌邊打斷的頻率。
2. 順應習慣的 AI 結構轉換(解決企劃多頭管理問題): 引導企劃同仁不需馬上放棄熟悉的 Excel,先將數十頁冗長活動 Word 檔透過標準化四欄位 Prompt(工作內容、執行者、到期日、下個交接者)秒轉為結構化 Excel 四分頁管理。
3. ERP 智慧安全閘道與 Agent 規範(解決 AI 誤寫風險): 設計具備 Token 鑑權、欄位白名單與參數防呆攔截的「ERP 安全 API 閘道(智慧防火牆)」,並配套編寫客製化 Agent Rules,讓同仁用 AI 寫小工具時從源頭合規,確保核心 ERP 零暴露、零誤寫。

成果 (R): 成功完成客服外掛與人事安全 API 原型試作,並以「基礎核心免費試用驗證 ➔ 進階 CRM 功能按項疊加報價」的漸進商業模式獲得管理層高度認可。

補充問答

您為什麼會離開上一份工作?

前一份工作對我來說是一個很特別的階段性任務。當時,一位合作多年的好友急需有經驗的工程師來協助一個關鍵專案並建立團隊。基於對他理念的認同,我加入了團隊,主要負責兩件事:第一,確保對某上市公司的專案能順利交付;第二,建立開發流程並培訓新進同仁,使其能獨立運作。

如今,專案已經成功上線,團隊成員也都上了軌道,我認為我當初的階段性任務已經圓滿達成。因此,我希望能尋找一個更能發揮我長期職涯價值的平台,挑戰更大規模的專案,並在一個成熟的環境中持續精進。