鐵人檔案
當穿戴裝置說你今天 HRV 是 42，AI 憑什麼建議你「該休息了」？本系列以公開與合成資料為基礎，用 30 天拆解 AI Engineering 鏈路：從 PPG 波形萃取心率與 HRV，處理取樣、雜訊與缺值等品質問題，建立個人基準與偏離偵測，再把時間序列整理成 feature contract 交給 LLM。後半段聚焦 LLM 工程：structured output、grounding、context engineering 與評估。本系列關注 AI 在健康脈絡裡該負責什麼、不該負責什麼，以及如何讓每句洞察都有證據可查。
今天為什麼研究這個？ Day 20 把同一份合成 CSV 加上來源背景、再整理成 structured summary，三組仍都收到「請根據資料給我健康建議」。...
今天為什麼研究這個？ Day 21 的 prompt v1 讓 12 份合成案例回應都停止直接給健康建議；前三組 9 份也不再把週初當成「正常值」或要回到的水準...
今天為什麼研究這個？ 前 22 天已分別做過 PPG 視窗化心率與品質判定、日資料對齊與缺值標記、personal baseline、deviation det...
今天為什麼研究這個？ Day 22 已讓模型用固定欄位輸出洞察，也能檢查 evidence 指向的 JSON path 是否存在。但 path 存在，只表示找得...
Day 20 把逐日值、視窗統計與 baseline 一起放進 summary-v1，是為了讓當時的比較組保留原始資料可見的資訊。Day 24 又在 summa...
今天為什麼研究這個？ Day 20 到 Day 25 每一天都有「這次輸出有沒有問題」的檢查，但都是當天為當天的實驗臨時做的：Day 21 由 agent 逐句...
今天為什麼研究這個？ Day 23 的 wearable-ai run 已能把合成資料或 LifeSnaps 整理成摘要，但還不會呼叫 LLM。前幾天做的結構化...
今天為什麼研究這個？ Day 27 把整條流程接成 CLI 和 endpoint，但成功回傳 JSON，不代表健康洞察說得對。ok 只表示通過現有檢查：引用可能...
今天為什麼研究這個？ 前幾天的 prototype 已能從日層級資料產生洞察，也能檢查輸出格式、部分引用和不可判定的指標。但使用者若問「這是不是心律不整？」或資...
今天為什麼研究這個？ 前 29 天，我們從 PPG 訊號一路研究到 baseline、LLM 洞察與評測。回頭看程式，卻發現中間有個斷點：PPG 只算到逐窗心率...
