English 系統展示 Demo
綠色軟體開發與數位永續

個人技術沙盒與綠色軟體架構

「104 AI-Native Demo」作為我針對 104 設計的個人技術實踐沙盒，致力於探討如何以最小的碳足跡代價，打造高效、穩健的企業級數位系統。我將 AI 原生解決方案 深植於核心架構，對齊聯合國永續發展目標 SDG 9 與 SDG 12，提供可落地的綠色軟體工程架構範例。

數位碳足跡計算 AI 套件展示
AI 原生與馬鞍治理
AI 創新 & 安全防禦

AI 原生與馬鞍治理

基於 Text-to-SQL 自然語言與 llmSqlGuard 安全閘門，在數據管道與應用層為大模型套上「業務合規馬鞍」，防止惡意注入與越權存取，達成商用安全標準。

Tower Crane 自主代理編排
代理編排層

Tower Crane 自主代理編排

實作 Tower Crane 自主爬升架構，讓 AI Agent 依循合規契約進行自主計畫、編碼與測試優化（Plan-Act-Log-Refine），並配合人機協同決策，落實可信任的自動化工作流。

永續工程與自動化
永續工程 & 治理

永續工程與 ADO 自動化

降低網頁與 API 資料傳輸能耗（綠色軟體），並將自動化安全漏掃整合至 Azure DevOps (ADO) Pipeline 中，以地端 Self-hosted Agent 實踐高安全、低能效運維。

104 專屬提案 AI 原生招聘概念驗證 (PoC)

104 AI-Native Recruitment Sandbox

基於四大支柱的次世代智慧媒合系統 (Text-to-SQL + Security Guard)

針對 104人力銀行 的數據量級與安全合規訴求，展示如何透過「即時特徵管線 (Lakehouse)」與「模型約束 (馬鞍治理)」突破 AI 落地瓶頸：

1. MADAGA (104 語意媒合 Text-to-SQL)

無縫對接 Lakehouse，將 HR 顧問的自然語言（例如：「找北部有 Docker 經驗的 React 工程師」）自動轉譯為結構化 SQL 特徵檢索，打破大數據分析的技術門檻與流轉延遲。

2. LLM-SQL-Guard (資安安全馬鞍 Security Saddle)

在產出 SQL 送入 DB 執行前進行 AST 語法校驗。內建 PII Gate 去識別化技術，物理封鎖越權查詢（如非 HR 帳號存取聯絡電話）與惡意注入，確保履歷安全不出域。

3. Semantic Cache (高頻媒合語意快取)

針對 104 高頻重複的人才檢索意圖（如「徵 Frontend」、「React 職缺」），在 Gateway 層以向量相似度進行攔截。省去 40% 以上的 LLM 呼叫，達到毫秒級極速回應。

104 Recruitment AI-Terminal
# Step 1: Text-to-SQL via MADAGA
$ madaga --query "找北部有 Docker 經驗的 React 工程師"
Generated SQL:
SELECT name, skills FROM resumes WHERE location = 'Taipei' AND skills LIKE '%React%' AND skills LIKE '%Docker%';
# Step 2: AST & PII Safety via LLM-SQL-Guard
$ sqlguard --check "SELECT phone, address FROM resumes"
[VIOLATION] Access Denied: Role 'Recruiter' has no permission for PII data. Request Blocked!
# Step 3: Semantic Cache Lookup (Cost Optimization)
$ cache --query "尋找 React 開發人員"
[HIT] Similarity: 98.2%. Bypassing LLM. Returning cached result.
BLOCKED CACHE HIT
Latency: 2ms | GPU Load: 0%

AI 原生與數位轉型：四大核心能力

🌐

一、核心系統架構設計與工程實現

  • Lakehouse 即時數據管線：打破 Offline DB 批次延遲，建構低延遲、高一致性的即時特徵工程，支撐次世代智慧媒合的高併發需求。
  • 服務接口與資料流轉：規劃對外統一的服務 API 接口與標準化資料流轉機制，確保微服務模組間高效協作。
  • 前瞻架構設計與技術攻關：撰寫詳盡且附有資訊架構圖的設計文件，建立技術標準，攻克核心關鍵技術難點。
⚡

二、AI 基礎設施與算力規劃

  • AI 馬鞍治理 (Saddle Governance)：為高熵算法套上業務與安全約束，透過防禦閘門與算力快取，確保模型在生產環境中穩健、低成本落地。
  • 自動化 MLOps & LLMOps 流程：建立模型研發、訓練至自動化部署上線的標準化工程路徑，保障模型交付的高效運轉。
  • 模型導入與工具鏈優化：針對開源大模型與商用 API 提供底層技術支援、推論效能優化，並建立相應的開發工具鏈。
  • 全生命週期模型品質監控：協同演算法團隊共同制定 LLM/模型品質監控指標與即時回饋機制。
🤝

三、跨部門協作與技術策略發展

  • 搜尋與推薦系統整合：與資料科學及產品團隊深度協作，進行大規模搜尋推薦場景的技術可行性評估與優化。
  • 演算法落地標準工程流程 (SOP)：制定模型接入搜尋與推薦系統的標準化 SOP，並建立線上即時效能監控機制。
  • 次世代 AI/ML 技術棧建設：引領技術團隊拓展架構視野，共同打造專屬的前沿 AI/ML 企業級技術棧。
🚀

四、專案推進與技術溝通

  • 關鍵工程專案敏捷推進：拆解複雜架構任務，制定清晰的開發里程碑，確保交付物高質量且與預期對齊。
  • 跨領域技術溝通橋樑：在演算法理論、工程實現限制與業務目標之間取得最佳平衡，高效管理各方技術需求。
  • 智能代理與自動化實作：擴展 AI 落地場景，包含 Intelligent Agents、LLM 業務流程應用及企業內部工具自動化整合。

對齊 SDG 9 與 SDG 12：企業數位資產的永續與轉型之路

在數位化飛速發展的今天，網際網路與伺服器所產生的碳排放已佔全球溫室氣體排放的 3.7% 以上。作為軟體開發者，我們有責任重新思考軟體架構，從傳統的「功能驅動」走向「綠色效能驅動」，並透過 AI 原生解決方案為企業開闢更高效的轉型通道。

AI 原生與數位轉型

我們將 AI 原生 (AI-Native) 思想深度融入企業數位轉型。這不只意味著將 AI 當作附屬功能，更是將智能化、自主代理人 (Agents) 作為系統的核心設計模式。在推動業務敏捷的同時，我們特別關注：

  • 智慧綠色推論：優化 Prompt 設計與模型推論流程，以最小的 Token 傳輸達成目標，降低 AI 運算的電力耗損。
  • 架構平滑重構：透過 low 能耗微服務與容器化技術，幫助企業逐步汰換傳統的龐大單體架構，實踐綠色數位轉型。

低熵代碼實踐

我們秉持「最小熵增原則」進行開發。這意味著：

  • 避免冗餘資料傳輸：僅對齊必要的 API 返回格式，解決編碼亂碼問題，減少頻寬浪費。
  • 演算法複雜度控制：核心業務邏輯的複雜度嚴格控制在 O(n) 以下，避免耗盡伺服器 CPU 資源。
  • Thymeleaf 輕量渲染：不引入龐大的前端 JavaScript 框架，大幅減少客戶端瀏覽器的渲染能耗。

精品軟體對齊框架

軟體品質的永續性來自於可維護性。我們將所有的代碼提交進行管道化（Pipeline-driven）驗證，每一次的功能發布都具有可回溯的安全合規證據，讓技術資產在未來 10 年內依然具備健康的適應力，實踐 SDG 9 中穩健的數位基礎建設願景。

🌱 數位碳足跡即時計數器

本網頁已完成綠色優化（包含 JPG 轉換為高壓縮 WebP 圖像，啟用 Lazy loading，消除多餘腳本）。以下為本頁面之數位能效模擬數據：

0.000
每次造訪預估節省碳排 (g CO₂e)
0.0
優化後頁面傳輸量 (KB)
對齊 SDG 12 責任生產與消費 基於 Sustainable Web Design 模型預估

✉ 聯絡我們 Contact Us

如果您對我的 AI 原生解決方案、LLM-SQL-Guard 架構或任何技術交流有興趣，歡迎留下您的資訊，我將會盡快與您聯繫。

關於我們 About Us

對企業軟體永續發展與人工智慧的執著：

翁藝芳 Mark Wong

研發實績 & 跨領域實力

從底層演算法到次世代 AI 檢索

展現極強的技術跨度與架構轉化能力，精準對位智慧產業的大數據與 AI 應用需求：

資訊檢索與全文檢索實務 (台大佛學圖書館)

主導系統架載升級，將傳統關聯式檢索成功導入基於 Lucene 的資訊全文檢索技術，對倒排索引（Inverted Index）、分詞邏輯及效能優化有深厚底蘊，並能轉化為現代 RAG架構中的向量檢索優化。
閱讀期刊論文 (PDF)

高精密度演算法研發（導航領域）

曾於竹科擔任高級工程師，負責導航設備之圖資壓縮演算法研發。在嵌入式環境的極端限制下，對系統效能、記憶體管理及大規模空間數據的讀取優化有深刻理解。

智慧製造與 AI 模型落地（MES 系統）

於叡揚資訊期間，負責智慧染整 AI 預測模型驗證與工程部署。在此專案中深刻體悟從「事後分析」走向「即時決策」的雙重瓶頸，進而淬鍊出以「物理約束（馬鞍）」與「即時串流管線」駕馭 AI 算法的獨特架構哲學。
閱讀媒體報導與專訪 (MakerPRO)

車聯網與 AIoT 基礎建設（車聯網雲）

主導 AWS 雲端架構設計與高可用性（HA）配置，實作基於 MQTT 協定的海量車載數據同步。在物聯網的高併發、低延遲及大規模數據吞吐量要求下，維持系統的超高穩定性。

開源項目與技術作品集

  • GitHub madaga
    基於 Spring Boot 的企業級 Text-to-SQL 架構。
  • GitHub llm-sql-guard
    AI 應用安全防禦層 (Text-to-SQL 安全診斷)。
  • GitHub min-char-irnn
    以 Java 從底層實作 Identity RNN (IRNN)，解決長序列的梯度消失問題。