部落格
19 年專案與第一線淬鍊，不藏私的 AI 落地真實心法。
這裡記錄了我走進企業現場實戰累積的寶貴經驗、踩坑體悟與核心理念。不講空話，只分享真正能為組織帶來價值的精華洞察。
企業 AI 內訓、工作坊與 AI 導入陪跑有什麼不同？依團隊現況怎麼選
說明企業 AI 內訓、AI 導入工作坊與導入陪跑各自解決的問題、產出與驗收方式，並提供依團隊現況選擇與組合三種服務的判斷方法。
· AI策略
企業內訓，讓我看見同一問題的不同語言
從企業內訓現場，看見 HR 與資訊部門對 AI 導入的不同關切，說明企業為何需要同時投資技術系統、一般員工的 AI 素養與工作應用能力。
· AI策略
企業 AI 內訓怎麼規劃？員工 AI 程度落差大怎麼培訓，才能用進工作？
從企業會議與 LINE 客服機器人教學經驗，分析員工跟著操作卻無法活用的原因，提供 HR 與資訊主管規劃 AI 內訓、分層練習及成果驗收的方法。
· AI策略
ERP 太複雜、改一次要花大錢？AI 時代中小企業自建系統，關鍵是需求釐清
ERP 難用、重複 key-in、客製化費用高，中小企業能用 AI 自建貼近流程的系統嗎？說明 AI 省下與多出的成本、需求釐清與內部人員參與，並附六題檢查清單。
· 智慧營運
做公司工具該選整合式 AI 平台，還是自己搭開發環境？預算、技術理解與風險怎麼取捨
依官方文件比較 Lovable、Replit、Google AI Studio 的 Build 模式與 Claude Code 的差異，整理誰負責部署、怎麼計費、有哪些限制，並提供選擇前要先問的五個問題。
· Vibe Coding
AI 讓寫程式變便宜，系統開發的成本為什麼沒有跟著降？
從員工用 AI 做出 Dashboard 的談案經驗，談寫程式變便宜後，系統開發成本為什麼不一定下降，以及需求、分工與審查怎麼調整。
· Vibe Coding
AI 開發陪跑結束後，如何把系統運營能力留在企業
談 AI 開發陪跑如何把能力留在企業：核心工程師分工、文件隨程式更新、共同開發的能力移轉，以及交接時怎麼驗收。
· Vibe Coding
用 AI 做產品要過哪五關？給非工程師的上線前檢查表
AI 能幫你寫程式，但產品從構想到營運要過五關：需求、設計、開發、驗收上線、維運成長。本文對照 AWS 與 NIST 的軟體開發流程，整理每一關 AI 能做什麼、人必須決定什麼。
· Vibe Coding
AI 一天寫完工具，為什麼上線卻卡了近一個月？一位資安分析師的部署卡關紀錄
資安分析師用 Claude 網頁版一天做完新聞彙整工具，卻花近一個月才讓同事開得起來。本文拆解卡關環節，補上 Vercel 與 GitHub Pages 的官方條款，並提供開工前的上線檢查表。
· Vibe Coding
跨職能小隊加平台團隊是什麼？小團隊為什麼溝通成本比較低，什麼情況不適用
跨職能小隊把產品、設計與工程放在同一組，平台團隊負責部署、資安與監控等共用能力。本文對照 Team Topologies、康威定律與亞馬遜兩個披薩團隊，說明這種分工為什麼能降低溝通成本，以及哪些情況不適用。
· Vibe Coding
AI 時代，為什麼懂工作流程的人也能參與系統開發？
AI 讓寫程式變便宜，但定義需求、拆任務與驗收仍需要人。本文整理三種 AI 開發方式的差異、PM 與需求分析為何較快上手，以及沒有工程背景時哪些事不能省。
· Vibe Coding
程式寫得更快，專案為什麼仍然很慢？從等待、交接與審查找瓶頸
AI 讓寫程式變快，但專案的時間多花在需求確認、交接、審查與等待。本文用溝通線路公式、METR、Faros 與 DORA 的資料，說明瓶頸如何移動，並提供找出自己專案瓶頸的方法。
· Vibe Coding
老闆先用 AI 驗證想法，核心工程師再整合：蒲公英創意商業研究所（MAXO）的開發分工轉型
AI 新創蒲公英創意商業研究所，把三位工程師精簡為一位，改由老闆先用 AI 做原型、工程師負責整合上線，團隊從二十多人縮到六人。本文整理分工前後差異、適用條件，以及功能變容易之後如何避免產品變亂。
· Vibe Coding
不熟 Swift 也能做出雙平台 App？mojo 創辦人 Hana 如何把 AI 開發做成工作制度
獎金獵人共同創辦人 Hana 在不熟 Swift 與 Kotlin 的情況下，用 AI 完成 mojo 的 iOS 與 Android 版。本文整理她的工具分工、把踩過的坑寫成規則與 Skill 的做法，並對照官方文件。
· Vibe Coding
一人公司用 AI 做產品，最難的為什麼是取捨？AI Resume Advisor 創辦人的做法
11 年 PM 出身的創辦人，用 Claude Code 一個人做出履歷健檢產品。本文整理他如何處理上下文限制、規格與測試、用 AI 查營運紀錄，以及時間被切碎時怎麼取捨，並對照官方文件。
· Vibe Coding
不會寫程式的需求分析師，如何用 AI 做出完整網站？三次卡關與他的處理方式
沒有程式背景的需求分析師，約一個月做出含 Google 登入與 AI 解牌的塔羅占星網站。本文整理他處理修不好、手機跑版、AI 改壞功能的做法，並對照 Anthropic 官方文件。
· Vibe Coding
社工先做出原型，再交工程師整合：AI 如何改善需求溝通？
一間社會企業讓社工用 AI 先做可操作的原型，再交 IT 團隊整合上線。本文整理導入前後的流程差異、領域專家與 IT 的分工表，以及這個做法成立的條件。
· Vibe Coding
不懂程式語言，也能做合約系統嗎？一位法律背景工作者用 Lovable 的 AI 開發經驗
一位法律背景、沒寫過程式的受訪者，用 Lovable 做出含登入驗證、風險標示、通知信與遠端核准的內部合約系統。本文整理做法、除錯方式，以及上線前要檢查什麼。
· Vibe Coding
Vibe Coding 是什麼？三種定義、適用範圍，與企業及個人案例的閱讀路徑
Vibe Coding 指用自然語言要 AI 寫程式，但這個詞有三種用法。本文釐清定義、說明適合與不適合的情境，並依你的情況整理本分類各篇文章的閱讀路徑。
· Vibe Coding
AI 協作時代，怎麼把需求、決策與除錯過程留成組織知識？
AI 寫程式很快，但需求為什麼這樣定、當初為什麼選這個做法，如果沒有留下紀錄，下一個人與下一次對話的 AI 都不知道。本文整理四種該留下的紀錄，並對照架構決策紀錄、亞馬遜的敘事備忘錄與 Claude Code 的專案規則檔。
· Vibe Coding
企業建 AI Agent 怎麼選模型？先設計可替換的架構
模型能力和價格變得很快。從我在不同月份改變推薦的經驗，以及 530 多篇文章的批次實作，說明企業如何固定流程、權限與驗收標準，再比較及更換 AI 模型。
· AI Agent
n8n AI Builder 實測：我一邊陪孩子玩沙，一邊把企業健檢改成網頁工具
從 AI Workflow Builder 到 n8n Assistant，介紹用自然語言建立、修改與測試流程的功能，再分享我用 n8n 串接程式、多模型與容器內 CLI，改造企業健檢服務的實際經驗。
· AI Agent
GEO 文章從寫作到上線需要哪些 SKILLS？我實際使用的 3 套流程
我把 GEO 文章拆成研究寫作、網站結構化資料落地、上線後稽核三套 SKILLS，說明各自負責什麼、怎麼銜接，以及怎麼索取。
· AI搜尋優化
老舊 ERP 沒有資料庫文件怎麼辦？用 AI 反推資料表關係與查詢 SQL
說明企業如何利用 SQL dump、部分資料、ERP 畫面與既有 Stored Procedure，讓 AI 協助還原老舊 ERP 的資料表語意、報表 SQL，並建立可控的查詢介面。
· 智慧營運
E-E-A-T 怎麼強化？讓 AI 與搜尋引擎看懂作者專業度
我從第一手經驗、作者資訊、專業證據、實體一致性與來源透明度，說明個人品牌網站如何建立可驗證的 E-E-A-T。
· AI搜尋優化
免費 GEO 檢測工具推薦：用 AI、Search Console、Bing 與 PageSpeed 檢查網站
我分享如何把網址交給 ChatGPT、Gemini、Claude、Perplexity 與 Manus 快速檢查 GEO，再用 Google Search Console、Bing Webmaster Tools 與 PageSpeed Insights 驗證結果。
· AI搜尋優化
如何讓文章更容易被 AI 搜尋引擎理解與引用？GEO 內容優化教學
我用主查詢、Answer Block、實體一致性、資訊增益與行內來源，示範如何把一般文章改成容易被 AI 搜尋引擎理解的 GEO 內容。
· AI搜尋優化
GEO 結構化資料怎麼做？Article、Person、Organization 實體關係教學
我以個人品牌網站為例，說明 Article、Person、Organization、ProfilePage 與固定 @id 如何串起作者、公司、文章及主題。
· AI搜尋優化
網站 GEO 技術優化怎麼做？從索引、canonical 到 AI 爬蟲完整檢查
我依序檢查可爬取性、初始 HTML、canonical、sitemap、robots.txt 與 AI 搜尋爬蟲，說明網站 GEO 技術優化該從哪裡開始、怎麼驗證。
· AI搜尋優化
AI 搜尋引擎優化怎麼做？技術文章寫得夠專業，為什麼 AI 還是不引用
排名沒掉流量卻在降，專業技術文章也很少被 ChatGPT 或 Google AI 摘要引用。張可佳整理 530 多篇技術文章後，說明 AI 搜尋引擎優化該補的內容條件、GEO 與 SEO 的差別，以及技術部落格最常缺的三件事。
· AI搜尋優化
ERP 沒有開放 API，企業要怎麼導入 AI？三種不用等廠商開放的整合解法
企業導入 AI 的第一道牆不是模型準確率，而是 ERP 資料出不來。本文用兩個實際案例與三種務實解法，說明企業如何在不等 ERP 廠商開放 API 的前提下，把資料安全地串進 AI 流程。
· 智慧營運
AI Agent 落地五層診斷
AI Agent 技術逐漸成熟，企業專案卻仍可能卡關。本文以目標、流程、知識、信任、營運五層診斷，協助台灣中小企業找出真正根因與補救順序。
· AI Agent
企業導入前必懂的 MCP、Skills、Automation
用數位新進員工的比喻，認識 AI Agent 的三個核心能力：Connector／MCP、Skills 與 Scheduled Tasks／Automation，並了解企業導入前應準備的資料、工作方法與權限邊界。
· AI Agent
如何串接 Email、ERP 與企業資料，自動執行完整工作流程？
解析 AI Agent 如何串接 Email 與 ERP 自動化訂單。本文提供資料理解、規則驗證、五層授權分級與資安控管架構，打造可控且安全的企業 AI 流程。
· AI Agent
AI 導入從小成功走向規模化的完整方法
企業 AI 不能停在亮點專案。本文提出專案價值、共用價值與擴散條件，協助 PoC 走向規模化。
· AI策略
企業 AI 導入怎麼兼顧機密資料？用資料拆分找到適合的部署方式
企業想用 AI 又怕機密外流，不必在全面禁用與昂貴地端部署之間二選一。本文提供資料敏感度、決策影響與即時性三層判斷，以及資料拆分、雲地混合和地端採購方法。
· AI治理
企業 AI 規模化怎麼診斷、怎麼衡量？七個障礙與五層指標
決定要把 AI PoC 推向規模化後，企業最缺的往往不是願景，而是診斷工具與量化方法。本文提供七個障礙診斷表、七步規模化閉環、五層成效指標與 ROI 公式，以及 90 天執行計畫。
· AI策略
AI 生產排程怎麼做？從需求拆解到小規模試行的完整指南
AI 生產排程怎麼做？本文以匿名企業案例說明如何拆開需求預測、庫存政策、生產最佳化與人工例外處理，並整理小型企業可落地的試行方法。
· 智慧製造
AI 時代，企業的核心競爭力會往哪裡移動？從核心價值到流程重構的完整指南
AI 會改變企業價值來源。本文提供五步法，協助企業重新判斷核心競爭力與 AI 導入方向。
· AI策略
工廠關鍵知識都在老師傅腦中，AI 要怎麼協助傳承？
AI 知識傳承不只是建立老師傅 GPT。本文從匿名生產排程案出發，說明工廠如何先建立員工信任，再逐步保存工作紀錄、判斷規則與例外知識。
· 智慧製造
中小企業導入 AI 從哪裡開始？從工作流程找出真正值得做的專案
中小企業導入 AI 不必急著買工具。本文提供雙軌導入架構、工作流程拆解方式與五面向評估表，協助企業選出價值明確、風險可控的第一個 AI 專案。
· 智慧營運
企業 AI 導入四層評估方法與實用檢查表
企業導入 AI，應先選擇高頻、耗時、輸入輸出明確、錯誤可人工攔截的低風險流程。第一個專案應先拆解人機分工，再以總工時、錯誤率與使用率驗證成效。
· 智慧營運
系統思考是什麼？用冰山模型看懂問題背後的結構
從冰山模型、推論階梯拆解系統思考，教你找到反覆發生問題背後的真正結構，而不是只處理表面事件。
· AI策略