當 AI Agent 越來越強，我們是否一定得依賴昂貴的雲端模型與 API？本系列將挑戰利用手邊既有硬體，在有限預算與企業資安限制下，打造一套真正能執行日常工作的地端 AI Agent。 30 天將從 Local LLM 的部署與模型選擇出發，實測不同 Agent 框架，逐步加入工具調用、MCP、Skills、Memory、文件與辦公流程等能力，並進一步探討權限控管、Human-in-the-loop、操作稽核、可追溯性與系統監控。 不追求最強硬體，而是從工程實作角度驗證：不用一直燒 API 費，也能讓手邊設備跑出一套可用、可控、可監控的 AI Agent。

套以數位雙生為核心的線纜工廠自主決策系統，實現產線的虛實共生與即時演算。透過IoT感測網路將設備振動、溫度、張力等多維製程參數即時串流至雲端，於虛擬空間建構高擬真度的動態鏡像模型，達成毫秒級虛實同步。系統核心搭載三層AI引擎：感知層以電腦視覺結合深度學習進行線材表面瑕疵即時辨識，準確度媲美資深品管人員；預測層運用時序模型與數位雙生模擬設備劣化軌跡，實現故障前瞻性維護，將非計畫性停機轉化為可預期事件；決策層透過強化學習於虛擬環境中窮舉排程方案，動態優化產能配置與換線策略，再將最佳解無縫下達實體產線執行。整體架構形成「感知—孿生—預測—決策—執行」的自我進化閉環，讓工廠具備類似「數位神經系統」的即

AI 會回答問題不難，但你敢讓它幫你「審核」嗎？本系列將用 30 天實作一個能讓企業放心採用的審核型 AI Agent，從資料檢索、規則判斷、Evidence 證據鏈、Guardrail 防護欄，到 Human-in-the-loop 人工覆核、Evaluation 評估、Audit Log 稽核紀錄與 Agent Governance 治理，逐步解決 AI 幻覺、判斷依據不明、責任不清與高風險決策等問題。目標不是打造最聰明的 AI，而是做出一個「有證據、懂邊界、可追溯、能被信任」的 AI 審核員。