電商 · 高併發
電商核心系統 8 年實戰
電商雙 11 級流量、跨境訂單、跨團隊整合、線上事故處理。倉儲 / 訂單 / 商品多系統協同的架構設計與穩定性工程——AI 上線最缺的不是模型，是把它接進真實系統的人。
fit for · 適合你們的場景
電商、金流、會員系統、需要扛流量與穩定性的團隊
// BUILD SOFTWARE. EMPOWER PEOPLE.
taipei, taiwan utc+8 | build · sat
企業內訓 · 實戰落地
讓團隊真正用好 AI， 創造可衡量的業務價值
結合後端工程、系統架構與生成式 AI 實戰經驗，設計貼近企業場景的內訓課程與工作坊，從概念到落地，帶團隊建立可持續的 AI 生產力。
> YC / Bob Chen AI LECTURER / SENIOR BACKEND ENGINEER
// AI WORKFLOW
問題定義 Problem
資料理解 Data
模型與工具 Model
整合落地 Integration
持續優化 Optimize
> YC / Bob Chen AI LECTURER / SENIOR BACKEND ENGINEER
// CORE STACK
- JAVA
- AI
- RAG
- AGENT
// CODE SNAPSHOT
01 public String askWithRag(q) {
02 var emb = embed(q);
03 var docs = store.search(emb);
04 var prompt = build(q, docs);
05 return llm.generate(prompt);
06 } JETBRAINS MONO
SCROLL TO EXPLORE
what makes me different
內訓現場的範例，
就是我自己 production 系統的同一段 code。
today
我每天用 Claude Code、AI Agent 寫 production
this month
整理成你團隊一天可上手的內訓
your team next week
下課就能在自己工位繼續用
production ai cases · 顧問實作經驗
四個真的上線在跑的
落地實作 · 從電商到 AI
下面三個是我實際做過、教學現場可直接拆解的案例。 細節為配合 NDA 已抽象化，但工程實踐是真的。
醫療 AI
看診輔助系統的反饋學習機制
與醫院合作開發 AI 協助醫師看診的決策輔助系統。AI 模型隨臨床實際使用持續修正的閉環設計——讓模型不是上線就停在那，而是真的越用越準。
fit for · 適合你們的場景
想做模型持續優化、避免 AI 上線後就靜止的團隊
企業語音辨識
用聯發科 Breeze-ASR-25 落地
協助企業導入繁體中文語音辨識（基於聯發科開源 ASR 模型），含部署、領域術語調教、品質監控。本土模型也能用得上。
fit for · 適合你們的場景
客服中心、醫療逐字稿、會議記錄、客訴分析
企業內部
會議記錄 RAG 檢索
跨部門會議檔的向量檢索與語意問答，含 ACL 權限切割——不同角色看到不同會議，不靠 prompt 攔截，靠 retrieval 層先過濾。
fit for · 適合你們的場景
知識管理、企業內部問答、跨部門資料檢索
看到對應到你們的場景？這些案的選型、踩坑、最後怎麼結，可以在內訓 / 顧問現場直接拆給你工程團隊看。
portfolio · 看得到的作品
code 都公開在 GitHub，
不是 PPT 上的口頭專案
上面 Production 案是顧問實作（受 NDA 保密）。下面這些是公開可看、可 clone、可審視的—— 判斷我這個人寫不寫 code，看這裡最快。
flagship
github →
醫療 AI 看診輔助平台
6-repo 微服務 · 與醫院合作
臨床端工作台 + 民眾端 LIFF + AI 服務（OCR + 去敏 + 自研 Multi-Agent + RAG）+ 醫院系統介接層。Spring Boot 4 + Python + React 全棧落地，要過資安、要評估 token 成本、要長期維運。
Spring Boot 4 Python React + TS Multi-Agent RAG OCR
teaching
github →
Kubernetes 從零到上線 · 完整教材
中文 K8s 教學系列 · 已開放閱讀
完全沒碰過 K8s 的工程師向。從「為什麼需要 K8s」、Pod / Deployment / Service、Probe、HPA 一路到上線。每一課對應一個搜尋意圖，邊讀邊跑得起來。
Kubernetes Docker 微服務部署 HPA / Probe
teaching
github →
Claude Code 企業內訓系列
Memory 治理 + 初階班 + Skill 開發
Claude Code 怎麼真正用在 production——auto memory 治理 SOP、Skill / Subagent 設計、Hook 整合。完全是我自己每天在用的工具,內訓現場跟 blog 同步迭代。
Claude Code AI Agent CLAUDE.md MCP
oss
github →
Spring Boot Starters · 工程基建
跨專案共用 starter
統一日誌、統一回應、JPA 通用模組、安全模組——把跨專案重複的 boilerplate 抽成 starter。團隊接新專案少寫一個禮拜。Java 高併發實戰經驗整理。
Spring Boot starter JPA Java 21 高併發
完整作品清單在 github.com/yanchen184 ——產品、教材、玩具專案、實驗 repo 都在。
about me
關於我
陳彥彤 · Bob Chen
Java 後端 8 年、AI 工程師 2 年。 出身電商核心系統——雙 11 級流量、跨境訂單、跨團隊整合、線上事故處理。 主責架構設計、穩定性工程、Java 高併發實戰。
近兩年主導跟醫院合作的 AI 看診輔助平台從零到上線——6 個 repo 的微服務體系， 涵蓋臨床端工作台、民眾端 LIFF、醫院系統介接、AI 服務（OCR + 去敏 + 自研 Multi-Agent + RAG）。 要過資安、要接 SSO、要評估 token 成本、要監控品質、要長期維運。 這些不是 demo——是真的在跑、真的要對 PM 解釋為什麼預算超標的系統。
另一條線是教學：政府 職訓局 AI 概論初級班講師、 企業內訓 10-50 場（Claude Code、AI Agent、Docker、Kubernetes、Java 高併發）， 教材全部公開在 Blog 跟 GitHub，學員下課可以直接 clone 回家繼續看。
我不是「以前是工程師現在轉講師」——我是邊做 production 邊教書的工程師。 今天卡的 bug，下個月變成內訓現場的真實 case。
AI 落地
Multi-Agent · RAG · OCR
電商高併發
Java · Spring Boot 8 年
職訓局講師
AI 概論初級班
企業內訓
10-50 場累積
tech stack
技術專長
AI ai
- LLM 應用
- RAG
- Agent
- 語音辨識
- Prompt 設計
後端 backend
- Spring Boot 4
- Java 21
- Maven
- JPA / Hibernate
資料 data
- MySQL
- MSSQL
- Redis
- RabbitMQ
前端 frontend
- React 19
- TypeScript
- Vite
- Tailwind CSS
雲端 cloud
- Azure (AZ-900)
- Docker
- GitHub Actions
- Firebase
who are you · 對應方案
告訴我你是誰，
我給你對應方案
下面三種角色找我的需求最常見。挑一張像你的卡片，直接點下方 CTA 寄信，主旨已經幫你寫好。
01
if you are
HR / L&D / 學習發展窗口
AI 培訓菜單 · 工程師教工程師
你的痛：老闆說要做 AI 培訓，但你怕找錯講師被工程同事嫌。
我給你
- ▸ 半天 / 一天 / 兩天三種規格，內容客製不是統一講義
- ▸ 給你一份大綱、上課流程、Q&A 預演，可以直接上呈簽核
- ▸ 結訓後給學員一份能帶回工位繼續用的 cheat sheet + 範例 repo
時長：半天 ～ 兩天
寄信聊 →
02
if you are
CTO / 技術主管 / 工程經理
AI 導入顧問 + 內訓套餐
你的痛：你想推團隊用 AI，但團隊抗拒、不知從哪下手、怕做白工。
我給你
- ▸ 先做場景盤點：哪些痛點適合 AI、哪些不適合，講白話
- ▸ 給可落地的技術選型 + 預算範圍 + 風險清單
- ▸ 內訓 + 雙週 review，讓團隊邊做邊學、不是一場性消費
時長：單次顧問 ／ 季度合作
寄信聊 →
03
if you are
業務 / PM / 產品主管
半天 AI 場景 Workshop
你的痛：你想搞清楚「AI 對我們業務能做什麼、不能做什麼」，又怕被技術名詞繞暈。
我給你
- ▸ 半天 workshop，講白話、不丟英文縮寫
- ▸ 帶著你跟團隊一起列 10-20 個業務場景，現場篩可行性
- ▸ 結束後給一份「下一步該做什麼」的優先級清單
時長：半天 workshop
寄信聊 →
frequently asked · 寄信前先看這裡
常見問題
下面這些是 HR / 主管最常在第一封信前想知道的事——直接寫在這裡，省你多寄一輪。
Q01 收費怎麼算？網站上為什麼看不到報價？ ›
我選擇「先聊需求再報價」，不放固定價格表。原因很直接：我想用「你們的需求對不對」來篩第一輪，不是用「價格能不能負擔」來篩——這兩件事篩出的客戶很不一樣。聊 30 分鐘了解你們團隊規模、對象、想做到什麼程度，價格我會直接告訴你，不繞圈子、不會有「先聊聊再追加」的情況。
Q02 客製化流程是怎麼運作的？ ›
收到你的需求後我會回一份「課前訪談題庫」（你們團隊現在用什麼工具、卡在哪、想學完做到什麼），約一次 30-60 分鐘對焦會議，之後產出客製大綱給你內部簽核。簽核通過後我才開始備課、寫範例 repo——所以你拿到的東西會是針對你們團隊的，不是通用講義。
Q03 可以開公司發票嗎？月結可以嗎？ ›
可以。我有公司行號，能開二聯 / 三聯發票，月結 30 / 60 也都接受。確認需求後我會發報價單，你內部簽核完回傳，課後 7 個工作日內開立發票。
Q04 結訓後團隊還能繼續問問題嗎？ ›
可以。基本款：結訓後一個月內 email / Slack 群組 Q&A 不額外收費，避免學員回去卡住就放棄。延伸方案：雙週 review 顧問合作——做完一場內訓後最常被選的後續方案，把 AI 工具真的長到你們團隊的工作流裡。
▸ 還有其他疑問？直接寄信問就好—— bobchen184@gmail.com
next step · 下一步
挑你最舒服的下一步
不用先想清楚才能聯繫。挑一個對應你現在狀態的入口， 對應的信件主旨已經幫你寫好，回信節奏通常 1-2 個工作日。
latest posts · 還想多看一點？
最新技術筆記
[工程實作] · 2026/07/01
我怎麼把別人的 skill 吸進自己產線,做成更強的 skill:一次語意標註實作覆盤
看到好用的 skill,大部分人裝來用;如果你有自己的產線,更值錢的做法是拆它的零件焊進你的流程。我原本有一套截圖審查+手冊產線(/screenshot-review),但手冊圖是「乾圖」沒有圖上標註——這正是 app-screenshots 的 annotate.js 補得上的洞。本文覆盤:我怎麼把它拆進產線,過程撞到一個架構級的坑(標註截不進圖=OVERLAY GONE:agent-browser 每個 CLI 指令是獨立 CDP 呼叫,eval 注入的 overlay 下一指令就蒸發),查根因、用 batch 把 open→eval→screenshot 綁進同一 session 解掉、封裝成 annotate-shot.sh、寫回自己的 skill。全程真的跑真的驗,附 batch 解法的真實成果圖與踩坑總表。
[工程實作] · 2026/07/01
軟體有多大?Nesma 功能點分析:只數功能不數行數
Nesma 是荷蘭軟體度量協會(Netherlands Software Metrics Association),主推功能點分析(FPA):不看程式碼行數、只數軟體對使用者做了幾件事,來量一套系統多大。這篇講清楚它是什麼、資料功能(ILF/EIF)+交易功能(EI/EO/EQ)在數什麼、三種計數層級(detailed/estimated/indicative 荷蘭法),以及跟 IFPUG、COSMIC、敏捷 Story Point 差在哪——功能點波動不到 5%、Story Point 團隊間差異可達 400%。對一個 2026 年同時教課又接案的開發者,功能點最實用的價值不是精算,是當一把「客觀的尺」。
[AI 工具] · 2026/07/01
Claude Code 怎麼做出「好看又可編輯」的 PPT?pptx skill 四支柱實作
AI 能做可編輯的 PPT 早不是問題,難的是「好看」。python-pptx 本身很樸素——沒圓角、沒陰影、內建模板還很醜,質感不是工具給的,是設計出來的。這篇拆解我用 Claude Code 官方 pptx skill 把樸素預設做成專業簡報的四個支柱:配色系統(60-30-10、十組現成調色盤)、字型層次(type scale、襯線配無襯線)、版型與留白(對齊網格 + 重複視覺母題)、配圖(codex 生圖),外加最決定好看的 render 驗收 loop(把 .pptx 逐頁 render 成圖用眼睛抓醜),以及四個踩坑。截圖都是真的用 python-pptx 產、真的 render 出來的。