AI 自動化
Data Machi 是一套聚焦企業實戰的 30 天學習系列。你將從理解聊天機器人與真正「會工作的 AI」之間的差距出發，逐步學會如何讓 AI 讀懂企業文件、呼叫工具、自主決策，最後打造一個能在正式環境穩定運作的企業知識工作流 Agent。
Build on Google AI
參賽內容聚焦 AI 如何應用於高風險場域，提升社會系統的安全性與韌性。內容將分享我參與國家級運動數據平台、醫療照護系統與救災協作平台的設計經驗，探索 AI 如何結合大數據與智慧分析，協助專業人員進行更有效的判斷與資源配置。 本系列將從運動科學、醫療照護到災害應變等案例出發，探討 AI 如何轉化資料為具體的社會解方，並透過 Human-AI Collaboration 的設計思維，打造值得信任的智慧決策支援系統。 透過實際產品案例與研究觀點，探索科技如何回應真實社會需求，讓 AI 不只是提升效率的工具，而是促進公共安全、健康照護與社會福祉的重要力量。
AI Engineering
「你的回答怎麼這麼爛啊」 「我不是講過要怎麼做了嗎」 「我都說了不要，你還反駁我?!」 我們大概都是第一次拿到魔杖的麻瓜——看過別人變出整座城堡，自己揮下去，茶杯只抖兩下，然後碎了。 這三十天，我想從魔法的源頭講起：它從哪來、憑什麼這麼強、又正把 IT 產業鏈攪成什麼樣。最後回到最難的一題——我到底是在施法，還是只是在亂揮？ 不求成為大魔法師，只求還記得當初為什麼想學魔法。 我舉起魔杖—— 「abracadabra!!!!!」 ...... ... (先生你走錯棚囉) (咦?!...啊...抱歉)
Build on Google AI
以下內容為人類撰寫： 本來以為今年會寫「第二次用 Gemini CLI 就上手」，沒想到 Google I/O 2026 突然豬羊變色，直接把 Gemini CLI 棄用，改推 Agy CLI，雖然說砍產品對 Google 來說不是第一次，但實際遇到還是很傷心的，畢竟 Gemini CLI 跟他牌比較來還算是個可以用的工具，而且各種功能都有在追趕，只要 Gemini 3.5 Pro 出來一切都會好起來的，然後就沒有然後了。 經過高強度使用 Agy CLI 做了一個 Plugin 後，發現他的操作方式和之前相比有一點不同，所以主要會介紹怎麼用，還有如何做各種 Plugin。
AI Engineering
模型是別人訓練的，你動不了。但從模型到能穩定運作的 AI 系統之間，有四層你能動的工程槓桿。這 30 天沿抽象層次往上走：Prompt Engineering，從 Transformer 機制理解 prompt 為何有效、極限在哪；Context Engineering，以 RAG、記憶與 Compaction 決定窗口放什麼；Harness Engineering，用 Session、Tool、Permission、Skills 打造模型外的執行系統；Loop Engineering，靠評估與可觀測性讓系統持續變好。
AI Engineering
是否曾擔心家中長輩忘記吃藥、身體不舒服卻沒有及時說出口，或是一人在家時缺少陪伴與關心？「嗨，我是你的AI照護小幫手，今天有記得吃藥嗎？心情還好嗎？」 一個結合人工智慧技術的智慧照護系統，協助高齡族群進行日常健康管理。系統提供智慧用藥提醒、身體狀況紀錄與情緒關懷功能，透過日常資料蒐集與分析，協助長者掌握自身健康狀態。 AI照護小幫手不僅能協助管理健康，更是能陪伴長輩生活、守護健康的智慧照護夥伴，讓科技成為連結家人與長者的溫暖橋梁。|
IT Operation
我們每天都在建置系統，卻很少有人教你如何培養架構師的思維。 30 天建立架構思維 - From Blocks to Castle，將從架構師如何看待需求、風險、治理與企業目標開始，逐步建立系統化的思考方式，再透過 Cloud Adoption Framework（CAF） 與 Well-Architected Framework（WAF） 等方法，驗證架構是否兼顧安全性、可靠性、效能、成本與維運能力，來如何實現企業目標以及價值。 內容聚焦於可實踐的架構原則與決策思維，不受平台或環境限制，協助 IT 人員從「完成專案」走向「打造能支撐企業持續成長的架構」，讓其真正成為企業策略落地的重要基礎。
AI Engineering
本系列以「一天一個真實 PR」為主軸，分享我如何讓 AI Agent 進入嵌入式開發現場， 面對 UART 操作、實機測試、環境污染、測試判準失真與多 Agent 協作等問題。 從讓 Agent 操作真實設備、建立可追溯的測試證據，到治理平行工作流程與沉澱工程經驗， 逐步說明如何建立一套由 Agent 執行，並以外部證據與獨立驗證判定結果的可信工程閉環。
AI Security
AI 可以加快開發，但它帶進來的風險有兩種：它寫的程式碼看起來能跑，實際上有洞；還有它自己就是攻擊面，一段外部文字讀進去，行為就變了。這 30 天兩種都處理，從開發環境走到交付出去的應用、長期維護與驗證，最後再把涉及敏感資料的 AI 工作移到本機模型，驗證資料不離開機器時的取捨與限制。 多數篇章附一個可在本機重現的案例：先用測試或攻擊證明問題存在，再修補，然後驗證行為確實變了。不必買工具，不必等任何人批准。 每天都會標出同一條界線：哪些工作適合交給 AI，哪些判斷必須由人負責。模型不能當自己的裁判，它講錯的時候，語氣跟講對時一樣有把握。
自我挑戰組
從數位工具依賴到重建心流的 30 天實戰 在我過去鐵人賽，我介紹過無數工具，但在螢幕背後，我卻是一個卡在拖延症、資訊過載與創作瓶頸中的創作者。我們常誤以為研究一個超ㄅ一ㄤˋ的工具，就等於掌握了人生；但最終才發現，真正難管理的從來不是工具，而是我們失控的心智與專注力。 這一次，這是一份「數位生活系創作者」的自救紀錄。 噗浪大神淺草籤曰：[吉]臘木春將至 芳菲喜再新 鯤鯨興巨浪 舉鉤路為真