AI Projects

🔗 Event-Exclusive Project : This project is developed exclusively for the APAC GenAI Academy — Meet the Builders program. We aim to leverage Generative AI to bridge clinical education with real-time dining scenarios, providing a reliable, portable, and instant decision-support tool for blood sugar management. 🌟 A Dining Pain Point Impossible to Ignore: ‘Can I Eat This?’ Every time I took my mother out for a meal, she would pause in front of the menu, a hint of hesitation and anxiety in her eyes, asking the same question: “Can I eat this?” ...

🔗 活動專屬專案 ： 本專案係為 APAC GenAI Academy — Meet the Builders 活動特別開發。我們期望透過 Generative AI 的力量，將複雜的臨床衛教與即時外食場景相結合，為血糖管理需求者提供一個隨身、即時且可信賴的決策輔助工具。 ...

在構建企業級生成式 AI 應用時，開發團隊往往會面臨一個難以調和的兩難局勢： 「速度」 與 「精度」 彷彿是天平的兩端。如果為了追求極速而採用簡單的快取機制，系統容易回傳過時的內容；反之，若為了追求資料的準確性而每一次都進行完整的多源檢索與長文本推理，則會帶來數秒甚至數十秒的延遲，大幅降低使用者體驗。 ...

在將生成式 AI 應用推向生產環境時，企業通常會面臨兩大痛點：「API 成本與流量失控」 以及 「提示注入與機密資料外洩」。 針對這些挑戰，目前市面上有兩種截然不同的解決思路：一種是從邊緣網路出發的 Cloudflare AI Gateway，另一種則是從雲端深度資安紮根的 Google Cloud Model Armor。本篇文章將從功能、架構、限制到費用，為您進行全面解析。 ...

🔗 官方資料來源：Securing AI Applications with Model Armor 在企業大舉導入生成式 AI 的今天，安全團隊面臨了全新的挑戰：如何確保使用者不會透過惡意的「提示注入 (Prompt Injection)」操控模型？又該如何防止 AI 在回覆中不小心洩漏使用者的個人身分資訊 (PII)？ ...

在 2026 年，利用 AI 來規劃旅遊行程已經從早期的「問答聊天」進化到了系統化的 「工作流」 (Workflow)。傳統上，我們總是在各個旅遊部落格、論壇與地圖之間來回切換，費時又費力。現在，只要巧妙結合 Google 的 Gemini 與 NotebookLM，你不僅能瞬間獲得結構化的行程表，還能把死板的文件轉化為隨時隨地為你解答的 「專屬語音導遊」。 ...

🔗 官方資料來源：Google Cloud Next 2026 Keynote 完整演說影片 前言：科技產業的發展往往在某一個關鍵時刻迎來典範轉移（Paradigm Shift），而今年的 Google Cloud Next 2026 開發者大會，無疑就是這樣一個歷史性的轉折點。在大會中，Google 正式向全球宣告：我們已經走過了早期的「生成式 AI（Generative AI）」實驗階段，全面邁入 「代理人時代（The Agentic Era）」 。這意味著 AI 不再只是個在聊天視窗裡被動回答問題的工具，而是進化成能夠跨越系統、自主規劃路徑、並主動為企業完成複雜工作的全能助手。本文將深度剖析此次大會的核心演說重點、基礎設施突破，並橫向比較目前競爭對手（如 AWS、Azure、OpenAI）的發展局勢，最後預測未來科技與企業的幾種關鍵可能性。 ...

🔗 官方資料來源：Andrej Karpathy - llm-wiki.md (GitHub Gist) 前言：在處理大量個人文件或企業內部知識庫時，多數開發者與使用者首先想到的是傳統的 RAG（Retrieval-Augmented Generation，檢索增強生成）架構。然而，隨著我們投入越來越多資料，傳統 RAG 的致命缺點逐漸浮現：它每次都要從碎片化的資訊中重新尋找答案，嚴重缺乏知識的「累積與沉澱」。本篇文章將深入探討前 OpenAI 知名研究員 Andrej Karpathy 近期提出的「LLM Wiki」概念，藉由讓 LLM 擔任專職的圖書館員，主動維護一個相互連結的 Wiki 系統，為我們打造能真正持續進化、自動除錯的個人 AI 大腦。我們將從理論架構、實踐流程、工具生態系，一路解析到知識管理哲學的根本轉變。 ...

在生成式 AI 的發展下，除了雲端大模型，將大型語言模型（LLM）部署在「本地端」並具備多模態（Multimodal）能力，已成為開發者與系統建構者（System Builder）的新趨勢。這不僅能大幅降低依賴外部 API 的成本，更能確保敏感資料（如私人圖片與文件）的絕對安全。 ...

在這篇文章中，我們將深入探討一個令人興奮的開源專案，該專案利用 Google 的 Gemini 2.5 Flash Lite 模型對文字進行進階的情感分析和實體識別。這個名為 gemini-sentiment-web 的專案展示了如何將現代生成式 AI (Generative AI) 整合到簡單的 Flask Web 應用程式中。 ...