三十天走完，我們從最簡單的理論到後面的實務，不只訓練出以 ResNet34 為核心、準確穩定的災害影像分類器，也把 Dify＋RAG 打造成一條從「表單→模板→檢索→LLM→輸出」的可溯源決策鏈；前者給系統可靠的感知，後者把結果轉化為有章可循、可審核、可執行的行動建議。
我們用混淆矩陣、Loss 與 ROC-AUC 釐清模型極限，用政策化 System Prompt 規範角色、格式與風險邊界，證明在高風險場景中，流程正確、輸出標準化與依據可查比一味追求指標更關鍵。最終成果把災害類型確認從分鐘級壓到秒級，讓應變建議立基手冊而非直覺，並以引用與審計軌跡確保可被稽核
技術堆疊自 PyTorch/Fast.ai 到 Hugging Face Spaces、再到 Dify Workflow 與 RAG，完整支撐 SDG 13 氣候行動 的落地。更重要的是，我們學會把 Perception 與 Decision 解耦、把檢索意圖模板化、把提示詞當政策文件，讓系統能持續維護、灰度迭代、穩定升級（含未來接入即時天氣與 CV Tool 的全自動化閉環）。至此，我們不只是模型開發者，更是能把 AI 能力轉譯為真實價值的系統架構師；這一套「流程為骨、依據為証、政策為盾」的方法論，將成為我們持續探索與貢獻的堅實基礎。
那我們之後再見拉~