Work Journal · Engineering Notes
工程裡的判斷，很多其實靠手感。
我做的事，是把這些手感——RF 訊號測試、品質驗證、法規檢查裡那些「看久了自然就會」的判斷—— 一個個拆開來，寫成能驗證、能交接、也能放心交給 AI（前提是先把護欄架好）的系統。
我以前以為把流程自動化就夠了，後來才發現：難的從來不是自動化，是讓人信得過它——包括三個月後早就忘了細節的我，也包括接手的 AI。 所以這裡記的不是我用過哪些工具，而是每個系統當時卡在哪、我為什麼那樣選、後來又踩了哪些坑。 關於我的做法 →
精選專案 Featured Projects
看全部 → 24GHz 雷達後方感知 Demo Private
Rear-Awareness Radar Demo
用低成本 24GHz 雷達做室內可展示的「後方接近告警」體驗；以 sensor 可靠範圍為界，靠狀態機與信心值把感測限制轉成穩定、好懂的燈光互動。
RF 監控協作框架 Private
AI-Operable RF Monitoring Harness
將現場 Wi-Fi / AP 掃描從人工 netsh 操作，工程化為可視化儀表板、版本化 REST API，與一個受控的 AI 操作介面（dry-run → audit → confirm → persist）。
ReguCheck-RF 法規警語比對 Private
Regulatory Clause Verification with LLM Guardrails
把產品手冊法規警語的人工逐字比對，工程化為「字面完全相同先快速放行、其餘交 LLM 做可稽核語意判讀、與規則衝突時退回人工」的合規檢查平台。
筆記與思考 Notes & Thinking
看全部 →- 🌳 資料保真先於 AI 摘要 AI 摘要的品質上限，是餵進去的資料品質。資料一旦在搬運中被壓壞，後面再強的模型也救不回來。
- 🌿 讓 AI 安全寫入的最小條件 要讓 AI 真的動手改東西，與其追求更強的模型，不如先備齊「預演、稽核、確認、可還原」這四件事。
- 🌱 誠實縮小範圍，比追規格更可信 與其宣稱什麼都做得到，不如老實圈出「能穩定做到的那一塊」，在那塊裡做到漂亮——可信度比規格表更值錢。
這裡的筆記還在長——想到什麼先記下來，之後再補證據和連結。也看：學習紀錄 · KnowHow 協作記憶。
系統與框架 Systems & Frameworks
看全部原則 →- 想讓 AI 安全動系統，先把它能碰的開關收到最小。 想讓 AI 幫你操作系統，先把它能碰的開關縮到最少、而且每個動作都留下紀錄；這樣就算它（或人）做錯，傷害有限、也查得回來。
- 資料不先弄乾淨，AI 摘要再強也救不回來。 AI 摘要好不好，先看餵進去的資料乾不乾淨；資料一旦被弄亂、壓扁，後面再聰明的 AI 也救不回來。
- 與其強調能做多少，不如先確定哪一塊真的穩得住。 與其吹自己能做多少，不如老實圈出「我真的穩得住的那一塊」，在那塊裡做到漂亮；可信度比規格表更值錢。
- 要放手讓 AI 改資料，前提是改錯了能還原。 要讓 AI 真的動手改東西，先準備好「先試跑一次看結果（dry-run）、留操作紀錄、能備份、能一鍵還原」；能反悔，才敢放手讓它做。