<developer /> <researcher /> <innovator />
從物理研究到 NLP 應用，從全端開發到人機協作研究。專注於用 AI 解決真實世界的複雜問題， 創造有意義的技術產品。
5
國際科展一等獎
3
Production Projects
2
Research Publications
∞
Possibilities
Technical deep-dives into real-world solutions
Role: CTO & Tech Lead
為社工機構打造的 AI 輔助個案記錄系統。透過 LINE Bot + NLP 技術，將數小時的記錄工作壓縮到 10-15 分鐘， 已與更生少年關懷協會、富邦基金會等多個單位實地驗證。
Conversational Flow
def structured_interview(): questions = [ "訪視基本資料", "案主現況與觀察", "生活與支持系統", "介入內容", "風險與安全" ] for q in questions: response = collect_response(q) extract_entities(response) classify_intent(response)
NLP Processing Pipeline
class DocumentProcessor: def process(self, text): # 自動標籤分類 tags = self.classify_tags(text) # 實體萃取 entities = self.extract_entities(text) # 生成結構化報告 report = self.generate_report( tags, entities ) return report
10-15min
完成時間
vs. 數小時
8
自動分類欄位
結構化輸出
9+
深度訪談
User Research
100%
實地驗證
Production Ready
Role: CTO | Partnership with Swedish NGO
為瑞典非營利組織開發的民主促進平台。使用 NLP 技術分析與整合公民意見， 將多元、甚至矛盾的觀點轉化為結構化對話，促進更透明、包容的民主參與。
Opinion Analysis System
自動分類議題類別、情緒傾向、論點結構。使用 transformer-based models 進行多標籤分類。
classify("opinion_text") → { topic: ["environment", "policy"], sentiment: "positive", intensity: 0.87 }
Semantic Similarity Engine
使用 sentence embeddings 計算語意相似度，識別不同表述下的相同訴求，避免重複計算。
similarity(text1, text2) → cosine_sim = 0.94 → cluster: "same_concern"
Argument Structure Extraction
從自由文本中萃取核心論點、支持證據、反對意見，構建論證樹狀結構。
extract_structure(text)
→ {claim, support, counter}
Multilingual Support
支援多語言輸入與分析，確保民主參與的包容性。使用 mBERT/XLM-R 等多語言模型。
languages: ["en", "sv", "zh", ...]
Role: Full-Stack Engineer
正念冥想練習平台。從 0 到 1 獨立完成全端開發，包含用戶系統、練習追蹤、成就系統等完整功能模組。 重點優化 API 效能與 React Native 渲染效能。
Frontend Stack
0.72.x
6.x
Context API
Custom
Backend Stack
7.4+
JSON
8.0
JWT
API Call Reduction
智能快取策略 + 請求批次處理
useMemo + useCallback React.memo optimization
Re-render Reduction
優化 State 管理 + 組件拆分
Context splitting Virtualized lists
Offline Capability
優雅降級 + 離線快取
AsyncStorage cache Graceful degradation
Role: CTO & NLP Research Lead
建築業跨語言智能翻譯系統。不只做語意翻譯，更處理語氣、情緒與文化差異。 使用 Hugging Face Transformers 微調 MarianMT/mBART/M2M-100，針對工地溝通場景優化。
from transformers import MarianMTModel # Model Selection models = { 'lightweight': 'Helsinki-NLP/opus-mt-zh-vi', 'multilingual': 'facebook/mbart-large-50', 'direct': 'facebook/m2m100_418M' } # Training Hyperparameters config = { 'epochs': 5, 'learning_rate': 2e-5, 'batch_size': 8, 'warmup_steps': 500, 'max_length': 128 }
# Data Requirements data_scale = { 'minimum': 5000, # sentence pairs 'recommended': 20000, 'optimal': 50000 } # Data Sources sources = [ 'internal_docs', 'opus_corpus', 'tatoeba', 'back_translation' # 回譯增強 ] # Preprocessing Pipeline pipeline = [ deduplication, length_filter, language_detection, tokenization ]
| Model | Use Case | Advantages | Speed |
|---|---|---|---|
| MarianMT | 歐洲語言、英中翻譯 | 輕量、速度快、效果穩定 | Fast |
| mBART | 多語言、低資源語言 | 支援 50+ 語言、泛化能力強 | Medium |
| M2M-100 | 多對多翻譯 | 無需英文中繼、直接翻譯 | Slow |
Role: CTO & Principal Researcher | Published at HCI 2025
跨領域 AI 協作設計平台研究。首次系統性結合 LLMs、Multi-Agent Systems 與 Double Diamond 設計模型， 探索 AI 如何增強而非取代人類創造力。
📄 Paper: "Facilitating Interdisciplinary Co-Design with Human-AI Multi-Agent Collaboration"
參與者表示 AI 使跨領域觀點更容易理解與整合
AI 提供的建議激發了新的思考方向
AI 處理複雜資訊，讓人類專注於高層決策
From physics to AI, from research to engineering
從自然教育中成長，在物理研究中獲得 5 個國際科展一等獎。 從小說創作到程式開發，從哲學思辨到 AI 研究——這些看似分散的經歷， 其實都在探索同一個問題：如何用創造力理解並改變世界。
目前就讀清華大學電資學院學士班，主修人工智慧學程。 專注於自然語言處理、人機協作研究，以及如何用技術服務真實的社會需求。
NLP & AI
Transformers
Hugging Face
Fine-tuning
Multi-Agent
Full-Stack Development
React Native
PHP
MySQL
RESTful API
Research & Innovation
HCI
User Research
Experimental Design
Academic Writing
HCI 2025 Publication
Human-AI Collaboration Research
Istanbul Youth Summit Best Group Award
International Student Conference 70
AI Research Best Award
Young飛行動計畫 & 清華創業車庫
Social Innovation Projects
5× International Science Fair 1st Place
MOSTRATEC, KSEF, Step into the Future, FISSION, IS²E²R
Let's discuss NLP, AI, or interdisciplinary collaboration
CURRENT STATUS
清華大學電資學院學士班
主修人工智慧學程
Based in Hsinchu, Taiwan