前言

在開始之前，先交代一下背景。這篇文章原本是我準備參加 iThome 鐵人賽 30 天挑戰 的前言，主題是 AI x Hardware。

我從 ChatGPT 3.5 (免費方案) 開始接觸生成式 AI，一路玩到現在，過程中試過各種有趣的組合：AI + 軟體、AI + 硬體、甚至 AI + 生產線。因為我自己本身就喜歡做 PoC、測試新工具，也常常參與一些 NPO 組織 的專案，所以就形成了一些比較特別的應用場景。

這篇文章就想用比較「分享」的方式，把我過去的實驗與心得整理起來，尤其是我很喜歡的 RAG (Retrieval-Augmented Generation) 應用模式，並延伸到各種實際案例。

RAG AI：像魔法陣一樣的知識構築

如果把 RAG 拿來比喻，我覺得它很像 《魔法科高中的劣等生》裡達也的魔法構築方式。
達也不是單純依靠強大魔力的人，而是透過對「魔法理論」和「演算」的精準掌握，把看似笨重的魔法轉化為最有效率的戰鬥力。

RAG 的運作就跟這樣很像：

1. 核心知識點 – 需要先有足夠的資料庫、知識庫，就像魔法陣的基礎符文。
2. 檢索 (Retrieve) – AI 就像達也的演算引擎，從龐大的資料裡挑出適合的知識碎片。
3. 生成 (Generate) – 把檢索到的知識，進一步組合、延伸，變成一個能解決實際問題的答案。

這個過程很「工程師思維」，不是憑空生成，而是 有根據的生成。所以我自己在做 AI x Hardware 專案時，RAG 幾乎是核心必備。

AI x Hardware 的實際案例

1. Odoo ERP x 工廠 & 連鎖門市

有一個 NPO 工廠專案，我們使用 開源 Odoo ERP 系統來處理流程自動化。
挑戰在於：

• 數位轉型
• 工廠的產線管理
• 門市的進銷存需求
• 還有一些模組要針對 NGO 特定需求客製化

這裡就用到 AI 來做 流程優化建議，甚至用 ChatGPT 來協助開發模組的草稿程式碼，再交給工程師修正。比起傳統的 IDE 生成方式，直接透過網頁對話式的問答更省 Token，也更直覺。

2. 海外義診中心的軟硬整合

另一個案例是在海外義診中心，結合 軟體 + 硬體。

• 硬體：醫療設備的整合
• 軟體：後端系統紀錄病患資料

AI 在這裡的角色是 流程串接與資料標準化，避免人力不足時資料混亂。RAG 的方式可以幫忙把醫療知識庫、流程文件整合進來，讓現場志工可以快速得到指引。

3. Micro:bit 小車專案

這個比較偏趣味 & 教學應用。
我曾經用 Micro:bit 做過客製化模組驅動的小車，AI 幫忙的地方有：

• 自動產生驅動程式碼的樣板
• 提供不同 Sensor 整合的範例
• 快速 Debug (靠 ChatGPT/Claude 討論錯誤訊息)

這種小型專案其實是最能感受到 AI 「加速學習曲線」的地方。

4. 智能販賣機的軟硬體優化

智能販賣機通常牽涉到：

• 韌體 (Firmware)
• POS 系統
• 金流串接
• 雲端後台

這裡 AI 幫忙做的事是 重構程式碼，以及提供一些 演算法優化建議。有時候連韌體的 C 語言程式碼都可以丟給 AI 請它幫忙優化，雖然不可能完全照單全收，但可以省下很多 Debug 的時間。

5. 風力發電設備的 PoC

這個是做風力發電設備的 PoC 優化。AI 幫忙的地方主要在：

• 模擬資料生成 (方便測試模型)
• 故障診斷知識檢索 (用 RAG 串接維修文件)

這算是比較工程導向的應用案例。

6. 金流設備 & 電子發票平台

在金流設備或電子發票的整合上，AI 主要扮演：

• API 文件快速解析
• 建立串接範例
• 測試流程自動化

這裡 AI 的價值比較明顯，就是「節省開發人員翻文件的時間」

7. 行銷產圖 & 文案

除了技術應用之外，我也常用 AI 來做行銷相關的產出：

• 行銷圖 – 用生成式 AI 做出簡單的 Banner、貼圖
• 文案 – 針對不同受眾快速產生多版本 copy
• 硬體行銷物 – 包含手辦設計、貼紙輸出

這種應用算是 AI 的「輔助創作」，成本低，而且能快速迭代。

成本效益的考量

很多人會想：為什麼不用 IDE 直接生成程式碼？

我的經驗是 —— 網頁問答式 (Chat UI) 的方式更划算。

• IDE 裡 Token 消耗很快
• 成本高
• 而且 Debug 本來就要人來做

反而透過 ChatGPT/Claude 的「問答對話」，可以一步步拆解需求，再整合到實際專案裡去。這樣的方式更靈活，也更符合專案的現實需求。

工程師視角的 RAG 使用心得

RAG 不只是「技術炫技」，它本質上是一種「降低錯誤率的 AI 使用方式」。

我自己的心得：

1. 資料整理比模型重要 – 如果資料亂，RAG 再強也沒用。
2. Prompt 就是魔法咒文 – 越精準的 Prompt，越像是畫符文，AI 的輸出就越有效。
3. 不要盲信 AI – 它提供的是「加速器」，不是「保證正確答案」。

這也是為什麼我常拿「魔法科高中的劣等生」來比喻，因為達也的魔法不強在能量，而是強在「精準構築」。

AI 的價值就是在這裡。

結語

AI x Hardware 的領域很廣，從工廠到義診中心，從小車到風力發電，從金流到行銷，幾乎每個地方都能找到切入點。

我相信未來的趨勢不是「AI 取代人類」，而是 AI + 工程師/創作者 的組合，去打造更多實際能落地的解決方案。

RAG 只是其中一個核心手法，但它就像魔法陣一樣，能讓 AI 的輸出更有根據、更貼近現實。

而我參加鐵人賽的目的，也是想把這些經驗分享出來，讓更多人知道：
AI x Hardware 不是遙不可及的黑科技，而是可以在日常專案裡一步步實踐的魔法。