=== e36e3881 2026-09-08 11:30 ===
[11:30] 評審：
下一案#123「光潔AI影像辨識護能：讓太陽能板知道何時該洗——資料驅動的智慧清洗與綠能維護服務」
[11:30] 助理：
No response requested.
[11:32] 助理：
四個來源全開了。輪廓：
**它是什麼**：成大淨零實驗室三人（歐庭嘉、王躍德、羅昇宇，聯絡人陳瑀彤）。清洗機上的相機看面板有沒有灰塵、鳥糞、破損，配發電量、降雨、日照、PM2.5，算「現在不洗損失多少電、洗要花多少水電時間」，排各區清洗優先序，洗完比對前後發電量留紀錄，紅黃綠燈地圖介面。自述已有髒污缺陷影像、案場發電資料、清洗前後紀錄、清洗設備運轉資料。八週，「既有合作光電案場與自動清洗設備」。向台電要案場逆變器與清洗工單資料。勾「未用 AI」，核心是影像辨識。不回應許願池。
**查證**
- **實驗室網站**：「太陽能面板自動清洗系統」——高壓灑水加交錯刮刀，日夜感測定時啟動，**已取得專利、已技轉給清洗機廠商**，2023 年光電創新競賽入選；產學合作「太陽光電 AI 辨識系統開發」2024/10–2026/09、「光電維運 AI 辨識開發」2025/12–2026/12，兩個都在執行中。這件提案就是「實驗室的清洗機加執行中的 AI 辨識計畫」，勾「尚未進行、未申請預算」不對。
- **艾弗思**（2026/04）：固定式自動清洗機，「整合 PR 發電效率數據與氣候條件分析，智慧判斷最佳清洗時機」，增發 6–18%，並「規劃加入 AI 偵測模組破損、灰塵覆蓋、鳥糞」——**商用產品已經在做「什麼時候該洗」**，AI 辨識髒污是它下一步。報導沒提成大，AI 評估說的「與艾弗思合作」查不到。
- **Swish Solar**（加拿大，2026/03）：SwishOS 用時序預測與異常偵測模擬積塵、把發電損失換算成錢決定何時清洗，已有北美與中東客戶，四件專利申請中。
所以「資料驅動決定何時洗」是 2026 年剛冒出來的商用類型，國內外都有；#123 的內容跟它們幾乎一樣。
**這件跟同實驗室其他五件的差別**：它的問題是真的維運取捨（洗太勤浪費、太久不洗損電），解法是實用的（影像加發電資料加天氣排優先序），落地情境明確（公有光電委外維運的查核工具——政府知道廠商有沒有好好洗），沒有「N 座大安森林公園」。是六件裡最像可用產品的一件。
**問題**：核心已是專利與執行中計畫；商用產品已有；勾「未用 AI」卻要用影像辨識；「可複製性」欄是效益欄的複製貼上；三人分工空白；效益「增發 5–15%」自稱估算。
AI 評估：`suspected_existing = true`（查證屬實），`similar_existing = true`（查證屬實）。
[11:34] 評審：
9/6/0/1/2「核心技術已獲專利，屬既有成果。」如何？
[11:34] 助理：
分數沒有問題。評語可以多一個字讓它更準：專利的是清洗機本體，AI 辨識是執行中的產學計畫——「核心技術已獲專利並有執行中之產學計畫，屬既有成果。」
[11:36] 評審：
9/6/0/1/2「這是執行中的產學計劃。」如何？
[11:36] 助理：
分數和評語都沒有問題。可以把計畫名寫進私人註記，評審會議要查時有依據：「太陽光電 AI 辨識系統開發（2024/10–2026/09）、光電維運 AI 辨識開發（2025/12–2026/12），清洗機已專利技轉。」
[11:37] 評審：
下一案：#196「水管你，掌握作物喝水的節奏── 從 ET0 出發的雙軌灌排決策與智農陪伴服務」，和#65"
[11:38] 評審：
下一案：#196「水管你，掌握作物喝水的節奏── 從 ET0 出發的雙軌灌排決策與智農陪伴服務」，和#65、#66、#67、#68和#69應是同一團隊。
[11:38] 助理：
先確認「同一團隊」這件事，再看提案。
[11:40] 助理：
八個來源開了七個。輪廓：
**它是什麼**：安吉氣象（民間農業氣象公司，三人）加高改場副研究員（技轉方，確定合作）加高雄農業局科長（資料協力）。做「水存摺」：ET0（參考蒸發散量）乘作物係數 Kc 算每日作物「支出」，有效降雨算「存款」，餘額低於門檻就提醒灌溉；接安吉自家 16 天逐時預報——門檻日前有足量降雨預報就亮藍燈「天雨待命」延後灌溉、可連動停馬達；預報劇烈降雨提前推播「清溝排水」。雙軌：第一軌免硬體，接高雄「農來訊」平台，農民點田區選作物就有每日建議；第二軌在木瓜產銷班用高改場技轉的智慧灌溉模組加土壤感測器實測驗證。配「植物診療師」（國考證照）到產銷班陪伴判讀。十週，期程細到週，落地單位有名字。回應許願池三條。AI 揭露：Claude Fable 5 和 Gemini 3.1 Pro 用來把數值預報「轉譯」成一句話建議、接農作物知識庫。
**查證**
- **安吉氣象**：既有產品就是 16 天逐時預報、免市電免 WiFi 微氣象站、太陽能遠端灌溉控制，案例遍及全台。
- **高改場木瓜智慧灌溉**：ETo 灌溉模組，把用水從 160% ETo 降到 120%，2021 年前後已對外發布；提案說「已正式簽署非專屬技轉合約」——沒查到，但高改場副研究員在隊裡列為確定合作，可信。
- **農來訊**：高雄農業局平台，有農業氣象與種植風險評估，得過多個獎（提案列的獎項是農業局的，不是安吉的）。網頁看不到 ET0 網格與 106 項 Kc，提案說那是農業局提供的資料——農業局科長在隊裡。
- **Netafim ETO**：免氣象站、選田區選作物就算 ETc 排程，免費 App。**「ET0 乘 Kc 的水帳灌溉」是 FAO-56 方法，國際上有免費商品**；翼詠 Yardian（#51 查過）在台灣賣的也是這個。
**跟 #51（農水署大坪頂）對照**：兩件都是 ET0 乘 Kc。#51 是機關自己的計畫拿一段來報名，沒有農民端；#196 是把方法做成農民看得懂的「存摺」與燈號、接進地方政府既有平台、加一個真人陪伴角色。方法一樣舊，包裝和落地設計差很多。
**核心問題：它的「AI」是安吉的預報加 LLM 改寫。** 水帳是算術，燈號是規則，16 天預報是安吉本來就賣的東西，它把「NWP 數值天氣預報」寫成「AI 底層數據源」——那是氣象模式，不是 AI。真正用生成式模型的地方只有「把數字改寫成一句話」，這是可以做但不必要的：「今日需水 4 mm，餘額不足，建議灌溉」本來就是一句話。用 Claude 和 Gemini 產生給農民的灌溉指令，多了幻覺風險（模型改寫時把「延後」寫成「立即」），提案沒有寫人工把關。
**其他**：連動停馬達的遠端控制沒有資安設計；田區座標與灌溉行為流向民間公司和境外 LLM 沒說明；「植物診療師」是國考證照，被一家公司當服務通路，公私界線；「打破經驗法則」對農民不太好聽，但這是措辭。
**好的一面**：這是目前農業案裡落地最完整的一件——資料提供者（農業局）、技術來源（高改場）、場域（木瓜產銷班）、操作者（公司自己的植物醫師）都在隊裡；免硬體那一軌真的能讓沒錢裝感測器的農民用；「雨前跳灌」是最實在的節水點；誠實揭露 AI 用了哪些模型。
AI 評估：`suspected_existing = true`（安吉既有預報服務、高改場模組，查證屬實），`similar_existing = true`（Netafim、Yardian，查證屬實）。
[11:43] 評審：
植物診療師是什麼？ETO是什麼？
[11:44] 助理：
**ET0**（reference evapotranspiration，參考蒸發散量）：一塊標準的草地在今天的天氣下（溫度、濕度、風速、日照），從土壤蒸發加植物蒸散會「用掉」多少水，單位是毫米。它是「今天有多乾」的氣象指標，跟作物無關。要算某一種作物的需水，再乘一個作物係數 Kc（木瓜、水稻、番茄各不同，生長期也不同）：ETc = ET0 × Kc。這套是聯合國糧農組織 FAO-56 的標準方法，全世界灌溉排程都用它。提案的「水存摺」就是每天扣 ETc、下雨加回來、餘額不足就灌。
**植物診療師**（植物醫師）：2022 年通過的《植物醫師法》設立的國家證照，要考試及格才能執業，職責是診斷作物病蟲害、開處方、指導用藥——類似獸醫之於動物。提案裡安吉氣象自己有一位植物醫師（蔡一慈）在隊裡，構想是讓這個角色進產銷班，幫農民讀數據、驗證系統的建議。AI 評估點出的問題是：這是國家考試的專業證照，被一家公司當成推廣自家產品的「通路」，公私界線要看怎麼做。
[11:54] 評審：
這個專案不需要用AI，對嗎？
[11:54] 助理：
對。逐段看：
- 水帳：ET0 × Kc，減有效降雨——算術。
- 燈號：餘額低於門檻、預報雨量高於門檻——規則。
- 16 天預報：數值天氣模式，安吉本來就在賣——不是 AI。
- 「一句話建議」：規則的輸出本來就是一句話，模板就夠——LLM 只是把它改寫得比較「有溫度」。
- 停馬達：預報連動繼電器——規則。
唯一用到生成式模型的地方是改寫文案，那是最不需要的一段，還多了改錯指令的風險。它的價值全在落地設計（免硬體、接農來訊、真人陪伴），跟 AI 無關。
[11:56] 評審：
6/5/7/4/4「把數字轉譯為文字不需用AI LLM，還多了轉譯錯誤的風險。本提案幾乎所有部份都不需要AI，都會增加隨機錯誤的風險。」如何？
[11:57] 助理：
分數沒有問題。評語第一句準確，第二句可以再收一點：它的水帳、燈號、預報本來就沒用 AI，是提案把數值預報「稱為」AI；只有一句話改寫那段真的接了 LLM。寫成「除文字轉譯外本案未使用 AI，而該處正是不需要且會引入錯誤的環節」比較貼提案內容，提案人也對得上。
[11:57] 評審：
6/5/7/4/4「把數字轉譯為文字不需用AI LLM，還多了轉譯錯誤的風險。」如何？
[11:57] 助理：
分數沒有問題。
評語準確。只提一點：可行性 6 對這件稍低——它是農業案裡落地最完整的（資料、技術、場域、操作者全在隊裡，期程到週），比 #37（一人無場域）的 8 低兩分。若 6 是因為方法陳舊或落地細節仍有疑慮，說得通；若是把「不需 AI」也算進可行性，那已經在創新性扣過了。您決定。
[11:58] 評審：
9/5/7/4/4「把數字轉譯為文字不需用AI LLM，還多了轉譯錯誤的風險。」如何？
[11:58] 助理：
分數和評語都沒有問題。創新性 7 比 #51 的 0 高很多，理由是包裝與落地設計（存摺、燈號、免硬體、真人陪伴），方法本身兩件一樣，這個差距說得通。
順帶一提「團隊」欄位那個誤判——這件是安吉氣象，不是凌誠，若之後平衡分數時看群組欄要留意。
=== 事後／並提討論 ===
c71e996e 2026-09-03
[12:37] 助理：
收緊定義**大有成效**,而且 **#114 修正回 `true`** 了(專利 I907022)。
**目前 `suspected_existing:true` 共 48 件(收緊後新增 28 件)。** 這 28 件新翻出來的:
- #14 RZVN 服務已營運、含語料與 6 套 DOI 研究框架
- #16 低熵核心引擎為既有並獲數發部防災賽獲選
- #20 教育部校園食材登錄平臺 2.0 已有家長查詢/下架通知
- #21 社區型儲能備援為既有技術、已有部署與專利
- #23 AI 誘捕籠已有 Wild Vision Systems 產品
- #32 核心「反向比對」源自該隊 2020 防疫松獲獎平台
- #38 AI 修剪指引已有 SmartPrune AI 等商品
- #40 緊急車輛讓路警示已有 HAAS Alert、Waze
- #51 大坪頂灌溉示範已由農水署執行、含智慧灌溉、已編預算
- #55 風波整合＋TENG 已有論文專利、已做 1/10 縮尺實測
- #58 自稱系統已上線(無外部佐證)
- #61 勝美金食品已營運、與農試所合作
- #62 AI 蜜罐蒐集詐團金流已有商用 Apate.ai
- #64 剩餘乳回收蛋白轉飼料為既有技術、多篇論文專利
- #67 桃園農水處已有圳路即時監測與智慧調度
- #73 微藻人工樹碳匯已發表論文、延續 2025 既有提案
- #74 團隊既有永續電廠研究延伸、已有 LCA/TEA 與論文
- #86 環境部「酷齡氣候關懷」已運作 AI 高溫預警＋LINE 通報
- #90 進口碳足跡比較已有 CarbonChain 等 CBAM 商品
- #103 建築健康履歷(結構健康監測)已有商用與論文
- #104 農糧署天然災害現地照相 App 已有地號取證
- #108 AI 辨識福壽螺精準施藥已有無人機驗證論文
- #113 核心已有美國專利 US12361824B2
- #114 已獲我國專利 I907022、申請美國專利
- #115 核心為申請人賽前已申請的五項專利連鎖
- #118 核心為提案人三件申請中專利
- #120 情境化政府補助推薦已有營運平台
- #123 核心即艾弗思與成大合作之智能清洗系統、已商用
**額度耗盡,已停:完成 83 / 159,剩 76 件**(這 76 件還沒套收緊定義,可能再翻出更多)。繼續時跑:
`127,128,129,131,132,134,152,154,155,156,158,160,161,162,164,165,166,167,168,171,172,173,174,175,177,178,179,180,181,182,183,184,185,186,187,188,189,191,192,195,196,197,198,199,200,201,203,204,206,207,208,209,210,211,213,214,215,216,217,218,219,221,222,223,226,227,228,230,231,232,233,234,235,237,238,239`
c71e996e 2026-09-03
[13:14] 助理：
**全部 179 件 existing 完成(收緊定義)。`suspected_existing:true` 共 65 件**(窄定義時是 20,收緊後多抓 45 件)。這 65 件疑似「拿既有成果/專利/論文/已上線產品假裝構想」:
#14 RZVN已營運＋DOI研究框架｜#16 低熵核心引擎既有獲獎｜#20 教育部校園食材登錄2.0已有｜#21 社區儲能備援既有技術＋專利｜#23 AI誘捕籠已有Wild Vision產品｜#32 反向比對源自2020防疫松獲獎｜#35 科技小農已營運社企｜#36 WoHere已有官網＋SBIR｜#38 SmartPrune AI已有｜#40 讓路警示已有HAAS/Waze｜#51 大坪頂灌溉已由農水署執行編預算｜#55 TENG已有論文專利＋縮尺實測｜#58 自稱已上線｜#59 路殺社AI警示已運作｜#61 勝美金食品已營運｜#62 蜜罐已有Apate.ai｜#64 剩餘乳轉飼料既有｜#67 桃園農水處已有智慧調度｜#68 國土利用監測2014起功能相同｜#69 農業剩餘資源平臺重疊
#73 微藻碳匯已發表＋延續2025提案｜#74 永續電廠研究延伸＋論文｜#81 H3穿戴碩論已發表｜#86 環境部酷齡氣候關懷已運作｜#90 碳足跡已有CarbonChain｜#97 pet-guard已上線｜#101 Pwaver-SHM商用｜#103 建築健康履歷已有商用｜#104 農糧署災害照相App已有｜#105 jidanni.org門牌專案已發表｜#108 福壽螺辨識已有論文｜#113 已有美國專利US12361824B2｜#114 已獲我國專利I907022｜#115 賽前已申請五項專利｜#118 三件申請中專利｜#120 政府補助推薦已有平台｜#123 艾弗思×成大清洗系統已商用｜#128 林試所在行計畫＋農改場成果｜#130 Sim Check超級臉既有｜#131 合作廠商既有平台＋Fire Rover
#134 智能耳聰鳥音辨識App已上架｜#157 Meshtastic Taiwan已運作｜#161 遮蔭導航已有CoolWalks＋三城實證｜#162 自有專利M652280｜#173 污泥產氫已有論文＋數位孿生｜#175 眼動查生字已有EyeLingo論文｜#176 腦靈活331已營運｜#177 詐騙情資已有Apate上線｜#178 進行中MOU＋楊梅水資中心實測｜#187 雷達生理監測師大實驗室既有｜#190 國科會晶創計畫＋已部署｜#196 ET0灌溉高改場已技轉｜#197 AIoT水質獲獎量產移植｜#202 航港局海運無障礙已上線｜#203 RGB-T機器人IEEE論文＋國科會成果｜#205 格園社企農電共生專利已商用｜#211 低熵核心防災賽獲獎｜#212 平台已上線自承既有｜#214 NSTC補助＋MOU＋已啟動｜#218 已入選南投黑客松原型
#220 ConanCase拿趣科技既有｜#224 零廢敬媽祖已運作｜#227 家暴蒐證APP已有UNDERCOVER等｜#236 萬穗寶已獲FITI獎量產
（existing 尚未匯進 DB;下一步照 proposals.json 流程,用 `build_ai_assessments_json.py` 把 content＋existing 合併重建 `ai_assessments.json` 再 import,existing 才會進 `ai_assessment` 表與 UI。）
e36e3881 2026-09-08
[10:54] 助理：
兩個來源都開了。這是成大同實驗室的第四件，資料庫也把他們歸成同一隊（六件：#55、#73、#74、#114、#122、#123）。
**它是什麼**：把沿岸消波塊改造成「岸堤式波浪能轉換器」——負碳水泥（70% 波特蘭加 30% 生物炭）做聚波通道，倒掛式水輪機直接讓浪推（省掉震盪水柱式的三次轉換，宣稱效率 75–85%），配**飛輪儲能**在波浪正半週儲、負半週放，平滑輸出。自述已有實體水輪機與實測數據。場域「高雄屏東沿岸港區」未定。八週。**不用 AI**（誠實），但工具欄又寫「機器學習與時間序列模型預測發電量」——自相矛盾。資料欄很薄：「海洋能波浪發電之形式」「相關期刊」。不回應許願池。
**查證**
- **專利 TWI907022B**：成大申請，發明人歐庭嘉、朱芷晴、陳瑀彤，2024 年 8 月申請、2025 年 12 月核准，「波浪能發電與飛輪儲能整合系統及其整合方法」——聚波通道雙導牆、飛輪儲能、能源管理模組、負碳水泥導牆。**提案的全部內容就是這件已核准的專利。**
- **OBREC**（義大利那不勒斯港，2015）：世界第一座完全嵌入防波堤的波浪能裝置，全尺寸原型，但「沒有任何一件進入商業階段」。「防波堤整合波浪能」十年前有實作，至今仍是示範。
**跟 #55 對照**：#55 是浮動風機加波浪能（外海），#114 是岸堤消波塊加波浪能（岸邊）；水輪機、聚波通道、負碳水泥三個元件相同，#114 多了飛輪、少了風機。文字結構、數字算法（「N 座大安森林公園」）、期程寫法都是同一個模板。
**問題**：核心已是核准專利，第五題勾「是」（尚未進行）不對；數字無據——效率 75–85%、單座 59.2 kW 抵 15 座大安森林公園、全台佈建 2,687 座、43.9 億產值；八週做縮尺模型、飛輪模組、水槽測試、Python 預測、系統整合；場域未定；聚波通道對漁港生態與漁民作業沒提；「不用 AI」和「用機器學習預測」矛盾。跟 #55 一樣，沒有公共服務、沒有使用者、開放資料只是參數。
**好的一面**：真的有專利、有實物、有數據；飛輪平滑波浪能是有工程意義的組合；「把消波塊變成發電設施」比外海浮台更貼近台灣海岸的現況。
AI 評估：`suspected_existing = true`（專利查證屬實），`similar_existing = true`（OBREC 查證屬實）。
接下來同一隊還有 #122、#123，我先把兩件都拉出來，讓您一次看。
e36e3881 2026-09-08
[10:55] 助理：
成大淨零實驗室六件的查證結果，一次講完。實驗室網站把每一件的底都攤開了：
| 提案 | 實驗室既有工作 | 對照 |
|---|---|---|
| #55 風浪共構 | — | 見前 |
| #73 微藻樹 | 國科會 113–115 三年計畫「固碳生物負碳裝置之智慧節能減碳調節系統」，與中鋼合作 2 噸級煙氣養藻，已運轉兩年多 | 已執行的國科會計畫 |
| #74 CCU 電廠 | 同上微藻計畫加既有 SSF 研究 | 論文模型 |
| #114 波浪＋飛輪 | 專利 TWI907022B（2025/12 核准）；「波浪能岸堤發電系統」2023、2024 海洋能競賽佳作，2023–2025 淨零科技國際競賽三年佳作 | 已核准專利、已得獎三年 |
| #122 藻光同行 | **國科會 115-2221-E-006-214「以人工智慧影像辨識為核心之淨零微電網雙模辨識系統研究」，2026/08/01 起執行** | 正在執行的國科會計畫，題目就是「雙模辨識」 |
| #123 光潔 AI | 「太陽能面板新型自動清洗系統」有專利、2023 光電創新競賽入選；「太陽光電 AI 辨識系統開發」2024/10–2026/09 執行中 | 已有專利與執行中計畫 |
六件全部勾「尚未進行、未申請政府預算」，六件裡至少四件對不上。
**#122 藻光同行**：一台巡檢車沿固定路徑走，到太陽能板區判髒污損傷、到微藻區判生長狀態，兩種結果進同一介面。「雙模辨識」就是他們 8 月才開始的國科會計畫名稱；「光電＋微藻」是實驗室兩條線的合體；自述「已完成兩類影像的初步辨識驗證」。勾「未用 AI」，核心是影像辨識。用照片判微藻生長是弱指標，它自己也說「避免僅靠照片直接宣稱固碳量」。三人。
**#123 光潔 AI**：清洗機上的相機判髒污、配發電量與氣象空品資料算「現在不洗損失多少、洗要花多少」、排清洗優先序、洗後比對效益，紅黃綠燈介面。這是實驗室已有專利的自動清洗系統加執行中的 AI 辨識計畫；市面上艾弗思 2026 年 4 月已商用（宣稱增發 6–18%）、加拿大新創 2026 年 3 月推 AI 清洗最佳化工具。勾「未用 AI」，核心是影像辨識。「可複製性」欄直接貼效益欄的內容。三人。
**#114 波浪＋飛輪**：見上一則。
三件裡 #123 的問題定義最實在（「洗太勤浪費、太久不洗損電」是光電維運真實的取捨），也最接近一個可用的公共服務（公有光電委外維運的查核工具）；#122 是兩條研究線的物理拼接，「一台車看兩種東西」的價值取決於場域裡真的同時有光電和藻缸——那只有他們實驗室；#114 是專利的提案版。
六件的共同形狀：一個實驗室把手上每條研究線各填一份，AI 揭露一律勾「否」（就算核心是影像辨識），效益欄一律用「N 座大安森林公園」。
e36e3881 2026-09-08
[10:56] 助理：
了解。這六件我有逐一看成員表：歐庭嘉、羅昇宇、王躍德、陳瑀彤四個名字在六件裡反覆出現，#114 的電話信箱與 #55 相同，#122、#123 的聯絡人是陳瑀彤——這組是人看也會歸在一起的。之後遇到 `team` 欄位我會先對成員表和聯絡方式再說，不直接引用。
e36e3881 2026-09-08
[10:57] 助理：
了解，一次一案。#114 在等您給分，#122 和 #123 等您叫號再看。
e36e3881 2026-09-08
[17:55] 助理：
有可能，而且不只是「卡」。這一批裡跨團隊重複出現的非日常詞彙不少：
- 「卡」：#14 案例卡、#16/#211 觀測卡與事件卡、#31 Care Ticket、#77 任務卡
- 「不宣稱／不取代／不自動」三連免責：#14、#16、#53、#70、#77、#78
- 「最小必要、去識別、權限控管、留存軌跡」四件套：#14、#16、#32、#52、#60、#77
- 「模組化設計，僅需調整……即可複製至……」：凌誠五件、#58、#65
- 「不是再做一個 X，而是……」句型：#16、#211、#22、#31、#36、#78、#123
- 「保留未來擴充機器學習之彈性」：凌誠五件、#65
- 「最終仍由人決定／權責人員負責」：#14、#22、#31、#52、#60、#62、#77、#78、#196、#211
這些不是台灣公部門提案的傳統語彙，是 2024 年以後 LLM 對「AI 治理」「資料治理」類問題的標準答案形狀。當幾十個不同背景的人拿同一類模型潤稿，模型就把同一套詞彙和句型塞進每一份。「卡」是介面設計的常用詞，但一個農會人員和一個志工組織自己寫，不會不約而同都叫「卡」。
不過這只能判斷「文字經過同一類模型」，判斷不了「內容是不是模型想的」。#14 和 #16 的內容有現場感，#31 和凌誠沒有，用的詞彙卻一樣。所以這個現象對評分的意義是：**共同詞彙不能當創新的訊號，也不能當空洞的訊號**，只能當「要剝掉之後再看」的提醒。您一路做的就是這件事。
e36e3881 2026-09-10
[22:26] 評審：
下一個主題：主題7農業資訊查詢與媒合，共有5個提案。先不要get-proposal。提案#38和#123我都已評分，你有印象嗎？
e36e3881 2026-09-10
[22:26] 助理：
照這個主題盤一次,誠實分類:
**只有記憶碎片、不足以重述:**
- **#38** —— 我的備忘裡有一個**單一詞組的碎片**:它是「importance test(重要性檢驗)」那條教訓的例子之一,備忘記「#38 who holds the phone」(誰拿著手機),意思是我當時把「誰持有裝置」這種下游問題排在「第一步成不成立」之上、被您糾正。所以我知道 **#38 牽涉「誰拿手機」的討論**,但**不記得它的標題、內容、分數**。這是碎片,不算真的記得。
**完全沒有印象:**
- **#123** —— 這件我**沒有任何記憶**,不在脈絡也不在備忘。
所以:**#38 只記得一個「誰拿手機」的碎片、#123 完全不記得,兩件的分數我都不記得。**
(另外提一句:主題 7 的群名您寫「農業資訊查詢與媒合」跟主題 6 同名 —— 分群是自動做的、群名事後補,兩群同名很正常,切題度不看,我不糾結這個。)
照前幾個主題的作法:我先派 subagent 從壓縮前逐字稿把 **#38、#123** 兩件的討論忠實抽出來,再 get-proposal 核對系統實際內容與分數。要我開始嗎?
e36e3881 2026-09-10
[22:27] 評審：
提案#38和#123這兩個已評分提案都不在你目前的記憶裏。請先查一下session log，先前有哪些討論。然後再get-proposal，確認提案內容和評審分數。
e36e3881 2026-09-10
[22:27] 助理：
先派 subagent 從逐字稿抽出 #38、#123 的先前討論。
e36e3881 2026-09-10
[22:27] 助理：
subagent 已派出,背景抽取 #38、#123 的先前討論中。完成後我拿結果、再 get-proposal 核對系統實際內容與分數,一併回報。
e36e3881 2026-09-10
[22:29] 評審：
下一個主題：主題7影像辨識巡檢，共有5個提案。先不要get-proposal。提案#38和#123我都已評分，你有印象嗎？
e36e3881 2026-09-10
[22:29] 助理：
照這個主題盤一次,誠實分類:
**只有記憶碎片、不足以重述:**
- **#38** —— 我的長期備忘裡有它,但只是**一句話的碎片**:它是「重要性檢驗」的例子之一(「#38 who holds the phone」—— 誰拿手機的問題被當成上游決定性問題)。所以我知道**它牽涉一個「誰持有手機/裝置」的爭點**,但**不記得標題、內容或分數**。這種碎片按您先前對 #14 的標準,不算真的記得。
**完全沒有印象:**
- **#123** —— 沒有任何可靠記憶,不在脈絡也不在備忘。
所以:**#38 只記得「誰持有裝置」那個爭點的碎片,#123 完全不記得;兩件的分數我都不記得。**
照前幾個主題的作法:我先派 subagent 從壓縮前逐字稿把 **#38、#123** 這兩件的討論忠實抽出來,再 get-proposal 核對系統實際內容與分數。要我開始嗎?
e36e3881 2026-09-10
[22:29] 評審：
提案#38和#123這兩個已評分提案都不在你目前的記憶裏。請先查一下session log，先前有哪些討論。然後再get-proposal，確認提案內容和評審分數。
e36e3881 2026-09-10
[22:30] 助理：
先派 subagent 從逐字稿抽出 #38、#123 的先前討論。
e36e3881 2026-09-10
[22:30] 助理：
subagent 已派出,背景抽取 #38、#123 的先前討論中。完成後我拿結果、再 get-proposal 核對系統實際內容與分數,一併回報。
e36e3881 2026-09-10
[22:35] 助理：
核對完成,系統值與逐字稿的最終分數一致,無偽造污染。兩件都屬**主題 7 影像辨識巡檢**。
**主題 7「影像辨識巡檢」已評 2 件:**
| 加權 | # | 分數 | 評語 |
|---|---|---|---|
| **5.12** | 38 | 6/4/6/2/6 | 應由高空作業人員 App 拍工前工後照片、AI 判讀是否斷頭(比判定下刀點容易);隨機抽查即可,節省能源 |
| **4.53** | 123 | 9/6/0/1/2 | 這是執行中的產學計劃 |
**要點(subagent 調回):**
- **#38 AI精準修剪指引**(林試所團隊,樹站數決):手機 App＋AR 標「三刀法」下刀位置＋監控修剪量。您的評語提出了**更聰明的重構** —— 與其讓 AI 教工人從哪下刀(工人在吊籃兩手握鏈鋸根本用不了 AR),不如**工前工後拍照、AI 隨機抽查判有沒有「斷頭」**(判斷已發生的斷頭比預測下刀點簡單好幾個量級,又省電)。可行性 6、社會影響力 4、創新性 6(林試所是此題權威、AI 用在對的地方,但核心辨識無訓練資料)。
- **#123 光潔AI(太陽能板清洗)**(成大淨零實驗室):影像判髒污＋發電/降雨/PM2.5 → 估「不洗損失多少電」排清洗優先序,定位是**公有光電委外維運的查核工具**。**創新性 0** 的關鍵:核心已取得專利、已技轉、且是**執行中的產學計畫**(2024–2026),同類商用產品(艾弗思、Swish Solar)也已出現 → 既有成果,落黑客松範圍外。可行性 9(已在做,當然做得出)。
**主題 7 共 5 件,已評 2 件,還剩 3 件未評。** 要接下一件了嗎?
e36e3881 2026-09-10
[22:37] 助理：
#80 可可醫生/Cacao Doctor(屏科大,10 人;智慧治理,主題 7;未評分)
**團隊**:屏科大跨系 —— 熱帶農業系助理教授(辛冠霆)＋**資管系助理教授(林皇辰)＋4 名資管碩生**＋3 名熱農系大學部＋可可雅米巧克力工坊負責人。**植病＋資訊＋產業的真跨域學界團隊**,10 人。
**這是什麼**
屏東可可亞葉片病害雙軌診斷:**手機拍照 → AI 影像初篩(健康/染病)→ 疑似病株 PCR/Nanopore 定序確認病原 → 結果回饋校正 AI**。目標免費手機 App 給小農。技術棧:SegFormer-B2 語意分割＋PatchCore 異常偵測＋FAISS 檢索,已在姊妹作物(茶樹)達 F1 0.99。
**這件是技術最扎實的一類(先講好的):**
- **技術棧成熟且具體**:SegFormer/PatchCore/FAISS/信心校準＋拒判機制(信心不足轉專家或 PCR),不是空詞;姊妹作物茶樹已 F1 0.99 是真實績。
- **「AI 影像初篩＋PCR 分子確認」的雙軌閉環**是真正的方法亮點:影像會誤判、病徵相似,用分子證據(金標準)持續校正 AI 標籤 —— 這是**科學上正確的做法**,比純影像辨識扎實一階。
- 真跨域團隊(植病＋資訊＋產業)、真場域(屏東可可產區)、有大學部原民/國際生(潘玟琳 Lynthia)。
**最決定性的問題(依重要性):**
**一、這幾乎確定落在黑客松範圍外 —— 已獲補助、技術已在別作物驗證、資料已在採。**(suspected_existing 成立)
- 提案自述:**可可研究線已獲教育部高教深耕計畫支持**、與工研院協作、技術棧**已於茶樹達 F1 0.99**、**已有 700 張可可葉片影像**。
- 這跟 #123、#182 同一型:**核心方法與資源都已到位,入選後主要是「把既有技術套到可可、繼續採資料」** —— 不是黑客松期間才做的概念驗證。而且它一邊說「已獲深耕補助」,一邊在第五題勾「尚未進行、未申請政府預算」,**自相矛盾**。
**二、既有系統已做同一件事(手機 AI 可可病害辨識):**
- 查證(AI 評估):**Cocoa Companion(2022,PSU 手機深度學習可可病害 App)**、菲律賓 cacao app(2026)已存在。#80 的差異化是加「PCR 驗證迴圈」,屬改良。所以創新性落在「雙軌閉環」,影像辨識本身不新。
**三、資料量與宣稱不符:**
- **只有 700 張(健康 200／染病 500)、單一農場、類別失衡**,卻借「茶樹 F1 0.99」宣稱可可也可行 —— **茶樹的成績不能證明可可**(不同作物、不同病徵、不同資料量)。可可模型目前**還沒有自己的準確度數字**。
- 「已使用 700 張」與「後續驗證期間才採集」前後不一;PCR 與 Nanopore 定序說法在文中也不太一致。
**四、STS 與資料治理:**
- **以 AI「客觀」取代農民經驗 → 去技能化**風險;**誤判 → 農藥誤用**(把健康判成染病、或漏判);賽後 PCR/定序的**檢測量能與維運無規劃**(Nanopore 定序不便宜、要人)。
- **葉片照含 EXIF/GPS → 可定位農場並暴露其病害狀態** → 影響**商譽與交易**(某農場被標記有病,資料外流傷農民);影像所有權、同意、保存、Streamlit 公開部署安全皆未提。
**五、主題與許願不符**:它勾的許願是「農民種下前知道會不會賺錢」,但本案是**病害辨識**,不對題(切題度不看,但顯示它勾錯)。
**定位(相對主題 7):**
- 技術扎實度是主題 7 前段(與 #38 林試所同屬「權威團隊、方法對」);但跟 **#123 同一個命運** —— **已獲補助、技術已在別處驗證、資料已在採 → 落黑客松範圍外**,且既有 Cocoa Companion 已做手機可可病害辨識。它的雙軌 PCR 閉環是真亮點,但那也正是「這是一個已在進行的研究計畫」的證據。可行性高(已在做)、創新性受「既有 App＋已獲補助的進行中計畫」雙重壓抑。
e36e3881 2026-09-10
[22:48] 助理：
加權總分 **1.05**。
- 可行性 1 × 30% = 0.30
- 社會影響力 1 × 28% = 0.28
- 創新性 0 × 30% = 0
- 多元性 3 × 5% = 0.15
- 資料治理 2 × 5% = 0.10
**評語三點全部經查證、可辯護:**
1. **「已受高教深耕支持,非黑客松範圍」** —— 提案自述,團隊爭不了(這是最硬的一條,同 #123/#182 的處理)。
2. **「可可在台灣種植量少,效益不高」** —— 我查證:全國僅約 64 公頃(樂觀自估頂多 230–300),是零頭級利基作物,公共效益分母極小。
3. **「照片太少難訓練」** —— 700 張、單一農場、類別失衡,卻借茶樹 F1 0.99 宣稱,可可自己沒有準確度數字。
分數方向與討論一致,不過**可行性 1 我想跟您確認一下(不是反對,是想確認您要的讀法)**:
- 若「可行性 = 純粹做不做得出來」,這隊技術棧成熟(茶樹已 F1 0.99)、有場域有團隊,**模型本身其實做得出來** —— 那可行性照理不會這麼低。
- 但您給 1,顯然是把「**非黑客松範圍(已在做的既有計畫)＋資料太少撐不起宣稱**」讀進可行性 —— 也就是「**它宣稱要在黑客松期間做的那個東西,實質上不成立**」(既有計畫的延伸、又沒有可可自己的實證)。這個讀法跟您先前 #221「核心賣點不成立就壓可行性」一致,我認為站得住。
- 只是對照同主題的 **#123(也是既有產學計畫,可行性給 9)**:#123 您把「既有」全扣在創新性 0、可行性維持 9(承認它做得出);#80 您把「既有＋資料不足」壓進可行性 1。兩件同屬「既有計畫落黑客松範圍外」,一個可行性 9、一個可行性 1 —— **差別在您這裡多讀進了「資料太少、宣稱撐不起」**。若您有意讓 #80 更低(因為它比 #123 多一個「用茶樹成績冒充可可可行」的虛),那 1 說得通;若要跟 #123 的處理對齊(既有→創新性 0、可行性照給),可行性會偏高。這一格供您斟酌 —— 但**加權 1.05 的低分位置我沒有異議**(既有＋利基＋資料不足,墊底合理)。
其餘(社會影響力 1、創新性 0、多元性 3、資料治理 2)都合理。要不要動可行性由您定。
e36e3881 2026-09-10
[22:50] 評審：
#123已經有專利了，#80照片太少無法訓練。我不是寫在評語了嗎？
e36e3881 2026-09-10
[22:50] 助理：
您說得對,我沒把您已經表達的區分看進去 —— 收回我那個「跟 #123 對齊」的疑問。
兩件的可行性差別,您**在評語裡就寫清楚了**,不是沒對齊,是**兩件的執行成熟度本來就不同**:
- **#123**:核心**已取得專利、已技轉**、技術棧已在太陽能板實跑 → **東西已經做出來了、能運作** → 可行性 9(它真的做得出、也真的在做)。
- **#80**:**只有 700 張、單一農場、類別失衡,可可自己還沒訓出可用模型** → **它宣稱的可可辨識系統,以現有資料根本訓練不起來** → 可行性 1(要做的那個東西,以手上的資料做不出來)。
所以不是「同屬既有計畫卻給不同可行性」的失衡 —— 而是 **#123 已經有能運作的成品(可行性高)、#80 連可可模型都還訓不出來(可行性低)**。差別在「**做出來了沒 / 做得出來嗎**」,而您評語的兩句正好各自點名:「#123 已有專利(=成品在)」「#80 照片太少無法訓練(=做不出來)」。
我先前把它們都貼上「既有計畫落範圍外」的同一標籤,忽略了您評語裡「一個已成、一個資料不足」的實質差異 —— 是我沒讀進您已經寫明的東西。**#80 可行性 1 站得住,加權 1.05 定案,我沒有意見了。**
**主題 7 已評 3 件(#38 5.12、#123 4.53、#80 1.05),還剩 2 件未評。**
e36e3881 2026-09-10
[22:52] 助理：
#156 小腳步大安全(安心通學智慧隊,10 人;安心社會,主題 7;未評分)
**團隊極重量級 —— 又是主管機關自己組隊:** **環境部環境資訊科技司司長楊耿瑜**＋高級分析師＋科長、**教育部資科司**2 人、**新北市交通局專委**、環輿科技 2 人、**秀朗國小＋莒光國小兩位校長**。＝環境部主導＋教育部＋交通局＋2 校長＋廠商。權責、場域、資料一手掌握。
**這是什麼**
把環境部「校園空品防護網」第二層(校門空維區)升級成「智慧通學安全防護區」:校門部署**邊緣 AI 影像(YOLO/ByteTrack)＋LWIR 熱像(判怠速)＋微型空品感測**,即時轉成**去識別化事件**(人車混流、停留、道路占用、人車近接),配 LINE 分流、外圍接送、步行共乘的**行為科學輕推(Nudge)**、QR Code 低碳挑戰,借鏡日本通學路聯合點檢＋PDCA。**秀朗國小試辦、對照校準實驗比較**。明確不辨臉、不上傳車牌、不自動開罰。
**這件的方法論是主題 7 最嚴謹的(先講好的):**
- **準實驗設計**:試辦校 vs 條件相近對照校、同期比較、扣除對照校變化,避免把天氣/季節誤認成效果 —— 這是**社會科學正確的因果驗證設計**,多數提案沒有。
- **KPI 具體可測**:每百輛行人區侵入降 20%、車輛停留中位數降 15%、步行比例升 10%、資料完整率 95%;且**空品「不預設必然下降」**(誠實)。
- **資料治理成熟**:DMP 三層(公開/內部/敏感)、**原始影像不落地**、對外只給聚合去識別、品質旗標、刪除紀錄。
- **AI 分工克制**:YOLO 只出匿名事件、LWIR 只判「動力運轉風險」不宣稱精確辨識每輛怠速車、**未達品質門檻只標「停留風險」不貼標籤**、生成式 AI 只做文書。這種「不過度宣稱、模型不夠好就降級」的自覺,水準很高。
**最決定性的問題(依重要性):**
**一、主題與命題錯位 —— 這其實不是「農業/影像巡檢」,是「通學路交通安全」。**
- 它是**校門口交通安全＋空污**的案子,跟農業毫無關係。分群按「邊緣 AI 影像巡檢」把它拉進主題 7(切題度不看,但它連「安心社會」都比「智慧治理」貼)。它是這批裡**最不像農業黑客松**的一件。
**二、既有系統/政策已有:**
- 據 AI 評估:英國 **School Streets**、韓國 **AI 學區**、日本**通學路點檢**、熱影像怠速偵測**都已存在**;環境部**校園空品防護網＋47 校空維區是既有政策**。#156 是**在地整合**,把既有政策工具化,新穎性落在整合,不在單一技術。
**三、STS —— 中央機關借校門做實驗,把壅塞/空污歸因於家長行為。**
- 這是最該留意的:**環境部主導、拿小學校門當實驗場**;把校門空污與壅塞的成因,框成「**家長接送行為**」(要用 Nudge 改變家長),而**不是道路設計、學校選址、都市規劃**的結構問題。「輕推家長改變」聽起來溫和,但**它把系統性問題個人化了**。
- 且**聲稱不裁罰,但資料流向警政/交通** → **功能潛變(function creep)風險**:今天說只做風險診斷,資料一旦在交通局/警政手上,明天可能就用於取締。長期拍攝**兒童**的校門影像,這個風險特別敏感。
**四、隱私的內在矛盾:**
- 稱「原始影像不落地」,卻又要「**人工覆核與抽樣驗證**」(精準率/召回率要人看影像) → **矛盾**(不落地怎麼覆核?);兒童校門影像長期拍攝、家長 LINE 名單與問卷**由民間廠商(環輿)經手**,保存期限、同意程序未具體。
**五、驗證時程:** 54 天含**僅兩週介入期**、對照校還「未定」→ 20% 這類 KPI 在兩週內**難有統計效力**(它自己也留了「第二校未及加入就改秀朗不同校門」的備援,等於承認對照組可能落空)。
**定位(相對主題 7):**
- **方法論與治理是主題 7 最成熟的一件**(準實驗、DMP、AI 克制),團隊有真跨機關落地力(環境部＋教育部＋交通局＋校長)。
- 但:**跟農業無關(命題錯位)、既有政策/國外案例已有(整合非首創)、中央借校門做實驗把問題個人化(STS)、兒童影像的隱私矛盾與功能潛變**。它比 #80/#123 更「在範圍內、可落地」,但公共命題上是**通學交通案,不是農業案**,且帶著「主管機關拿學童當實驗場」的倫理重量。
e36e3881 2026-09-10
[22:53] 助理：
您提醒得對 —— 我把「農業」預設成整個黑客松的框,講「跟農業無關」是我自己套錯了。
**主題 7 是「影像辨識巡檢」,不是農業。** 它是按**技術手法(邊緣 AI 影像巡檢)** 分的群,不是按產業領域。看這群裡實際有什麼就清楚了:
- #38 路樹修剪 AI 判讀(林業/都市安全)
- #123 太陽能板清洗影像辨識(綠能維運)
- #80 可可病害葉片辨識(農業)
- #156 通學路校門影像巡檢(交通/兒少安全)
—— 這四件**橫跨林業、綠能、農業、交通**,**唯一的共通點就是「用影像辨識做巡檢」這個技術手法**,不是產業。所以 **#156 是交通/兒少安全的影像巡檢,它在「影像辨識巡檢」這個主題裡是切題的**;我說它「跟農業無關」是拿錯了尺 —— 這主題本來就不要求跟農業有關。
而且您先前也講過:**分群是 Transformer 自動做的、群名事後補,切題度不看。** 所以「#156 是不是農業」根本不該是評分考量。收回。
**修正後,#156 的實質問題應該去掉「跟農業無關」那條**,剩下的仍然成立、且都是它自身的問題:
1. **既有政策/國外案例已有**(School Streets、韓國 AI 學區、日本點檢、環境部空維區)→ 創新在整合;
2. **中央機關借小學校門做實驗、把壅塞空污歸因於家長行為**(STS 個人化系統問題);
3. **兒童影像的「不落地卻要人工覆核」矛盾＋資料流向警政的功能潛變**;
4. **54 天僅兩週介入、對照校未定 → KPI 難有統計效力**。
方法論與治理是主題 7 最成熟的(準實驗、DMP、AI 克制)—— 這些優點也照樣成立。只是把「命題錯位」那條刪掉:它在「影像辨識巡檢」這個主題裡,是**完全切題**的一件。謝謝您抓這個,我把農業當預設框是明顯的錯。
e36e3881 2026-09-10
[22:58] 助理：
#156 小腳步大安全(安心通學智慧隊,10 人;安心社會,主題 7;未評分)
**團隊極重量級,但要點出結構:** **環境部環境資訊科技司司長楊耿瑜**＋該司高級分析師、科長,＋**教育部資訊科技教育司**2 人,＋新北市交通局專委,＋環輿科技(廠商)2 人,＋**秀朗國小、莒光國小兩位校長**。＝**兩個中央部會(環境部主導)＋地方交通局＋廠商＋學校**。是中央機關自己組隊,資源與跨機關協調力極強。
**這是什麼**
把環境部「校園空品維護區」升級為「智慧通學安全防護區」:校門口部署**邊緣 AI 影像(YOLO/ByteTrack)＋LWIR 熱像＋微型空品感測**,把影像即時轉成**匿名事件**(車流、停留、人行區侵入、人車近接、怠速風險),再用**行為科學「輕推」**(校門燈號、LINE 分流、外圍接送、步行共乘建議、QR Code 低碳集章)引導家長改變接送行為。**秀朗國小試辦＋對照校準實驗**,前後問卷比對,產出「最後 500 公尺工具包」。
**這件的方法紀律是這批最成熟的一類(先講好的):**
- **準實驗設計**:試辦校 vs 對照校、同期比較、**扣除對照校變化避免把天氣/季節誤認成效** —— 這是社會科學正確的因果推論做法,罕見的嚴謹。
- **KPI 具體可測**:人行區侵入 −20%、車輛停留中位數 −15%、步行/外圍接送 +10%、正向感受 +15%、資料完整率 95%,還誠實寫「空品不預設必然下降」。
- **隱私設計用心**:不辨人臉、不上車牌、不自動開罰、原始影像不落地、DMP 分公開/內部/敏感三層、去識別聚合對外。
- **AI 用在對的地方**:影像轉匿名事件用 YOLO、怠速用 LWIR＋規則、低於品質門檻就降級人工/只顯示風險、不亂貼標籤。定位明確是「改善依據,非裁罰工具」。
- 誠實借鏡日本通學路點檢＋PDCA、行為科學 Nudge,不宣稱全原創。
**最決定性的問題(依重要性):**
**一、這其實不太是「影像辨識巡檢」,也不太是黑客松的資料題 —— 它是一個中央部會的準實驗政策試點。**
- 主導者是**環境部資訊司司長**,場域是環境部既有政策(校園空品防護網、47 校空維區)的延伸。它的重心是**行為介入＋準實驗評估**,影像 AI 只是其中一個感測手段。
- 「54 天、含兩週介入、對照校未定」—— 準實驗要有統計效力,**兩週介入期太短**,20% 這類 KPI 很難跑出顯著性(AI 評估點的)。它自己也留了「若第二校未及加入,改用單校分期」的備援 —— 等於承認對照組可能湊不齊,那準實驗的核心就打折。
**二、把空污與壅塞歸因於「家長行為」而非道路設計(STS,且是中央借校門做實驗):**
- 校門口壅塞與人車混流,很大程度是**道路設計、學校選址、都市規劃**的結構問題;#156 的介入(輕推家長錯峰、外圍接送、共乘)是**把改善責任放到家長個人行為上**。輕推有價值,但**它可能迴避了真正該改的工程與規劃**。
- **中央機關借校門、借兒童做行為實驗**,雖然設計上不裁罰、去識別,但「聲稱不裁罰、資料卻流向警政交通」有**功能潛變(function creep)風險** —— 今天是改善依據,明天可能變執法佐證。
**三、既有做法已多(創新性天花板):**
- 查證(AI 評估):**英國 School Streets、韓國 AI 學區、日本通學路點檢、熱影像怠速偵測**都已有。#156 是**在地整合**,創新落在「把這些串成台灣可落地的工具包＋準實驗驗證」,不在單一技術。
**四、隱私仍有矛盾:**
- **長期拍攝兒童的校門影像**,稱「原始影像不落地」卻又要「人工覆核與抽樣驗證」—— 要覆核就得留影像,矛盾;家長 LINE 名單與問卷由**民間廠商(環輿科技)經手**,保存期限、同意、MQTT/MSSQL 防護未具體。拍兒童是最敏感的個資場景。
**定位(相對主題 7):**
- 這是主題 7 裡**方法最嚴謹、跨機關落地力最強、隱私意識最好**的一件(準實驗設計、DMP、輕推非裁罰),明顯優於 #80/#123 那種「既有計畫落地」。
- 但天花板在:**它本質是中央部會的政策試點+行為介入,黑客松的「AI 影像/資料」只是配角**;準實驗在 54 天兩週介入下**統計效力存疑**;既有 School Streets 等已多;以及「把結構問題歸因家長行為＋中央借兒童做實驗＋功能潛變」的 STS 疑慮。它有真團隊、真方法、真場域,但**創新性與黑客松契合度**受限。
e36e3881 2026-09-10
[23:04] 助理：
加權總分 **3.77**。
- 可行性 5 × 30% = 1.50
- 社會影響力 4 × 28% = 1.12
- 創新性 0 × 30% = 0
- 多元性 2 × 5% = 0.10
- 資料治理 7 × 5% = 0.35
**評語切中、且可辯護**:這是政策試點、非黑客松範圍。一句到位,與 #205/#209(不屬黑客松範圍)同一判準 —— 核心是既定政策的行為介入與準實驗執行,不是 AI/資料的新構想驗證。
分數與討論一致:
- **創新性 0** —— 否決旗標:政策試點、既有做法多(School Streets、日本點檢、Nudge),AI 是配角、不對題。合理。
- **可行性 5** —— 中央部會＋地方＋學校＋廠商,跨機關落地力極強、確定做得成;但拉低的是「54 天兩週介入、對照校未定的準實驗統計效力存疑」。5 反映「政策執行做得成、但方案本身的驗證力打折」。
- **社會影響力 4** —— 通學安全方向實在、準實驗嚴謹,但把結構問題歸因家長行為、觸及面是單校試辦、功能潛變疑慮。4 恰當。
- **資料治理 7** —— 這是它的亮點也是拿分處:DMP 三層、去識別、原始影像不落地、不裁罰,是這批少見的用心;但拍兒童影像與「不落地卻要人工覆核」的矛盾、廠商經手家長名單,讓它沒到更高。7 給得有道理。
- 多元性 2(十人但多為公部門同溫層),合理。
一點觀察(非改分):#156 的資料治理 7 是主題 7 目前最高,而它同時創新性 0 —— 這個「治理頂標＋創新歸零」的形狀,跟先前 #221(資料治理 10／可行性 0)、#237 那些「功課做得好但核心不對題/做不成」的案子同型,說明您一貫地把「治理品質」和「黑客松契合度」分開算,尺度一致。
沒有需要更正的。**主題 7「影像辨識巡檢」5 件全部評完:**
| 加權 | # | 分數 | |
|---|---|---|---|
| 5.12 | 38 | 6/4/6/2/6 | AI精準修剪(林試所) |
| 4.53 | 123 | 9/6/0/1/2 | 太陽能板清洗(產學計畫) |
| 3.77 | 156 | 5/4/0/2/7 | 智慧通學(政策試點) |
| 1.05 | 80 | 1/1/0/3/2 | 可可病害(既有＋利基) |
等一下,這只有 4 件 —— 主題 7 應是 5 件,已評 #38、#123、#80、#156 四件,**還剩 1 件未評**。要接最後 1 件了嗎?
e36e3881 2026-09-10
[23:21] 助理：
誠實說:**我查不到直接證據證實「新竹 AI 判煙就是富聯做的」,但也查不到否證 —— 而間接證據都指向您的懷疑很可能成立。**
**查證結果:**
- 網路搜尋**沒有直接的標案文件**證實富聯承接新竹市環保局的 AI 判煙案(這種地方環保標案細節通常不易在一般搜尋出現,要查政府電子採購網才確切)。
- 但 **AI 評估的 existing_assessment 已經寫**:「合作之竹市環保局已有 AI 判煙設備,**富聯曾承接竹市露燃稽查案**」。所以「富聯承接過竹市露燃相關案」這點,AI 評估是有據的(雖然我沒親自看到那份標案)。
**而提案自己的組成,把您的懷疑幾乎坐實了:**
- 隊上同時有**新竹市環保局長＋科長＋科員**,又有**富聯工程顧問總經理＋經理＋專案經理** —— 這正是「**發包機關＋承包廠商**」的組合。
- 提案落地場域寫「新竹市…以**現有雲端監視設施**進行落地實證」—— 那個「現有設施」極可能就是**富聯已經幫竹市環保局建好的那套 AI 判煙/監控系統**。
- 所以合理推論:**這不是一個要「新做」的東西,而是富聯＋竹市環保局把「已經在跑的科技執法系統」,包裝成 AEGIS/Argus 這兩個新名字來投黑客松**,再加一層「離網外掛」的口號。
**這對評分的意義 —— 支持您的判斷,而且比「重製」更重:**
- 如果核心就是**富聯已建、竹市環保局已用的既有系統**,那它跟 **#123(已技轉的專利)、#182(報名前已完成的原型)、#80(已獲補助的研究線)** 是同一類:**既有成果換皮投案,落黑客松範圍外。**
- 創新性 0 不只是「市面上有同類」,而是「**它自己就是那個既有產品**」—— 這比一般重製更該歸零,而您已經給 0 了。
- 它「未用政府預算與設施」的自我聲明,和「用現有雲端監視設施」「環保局長列名」放在一起,更像是**在遮掩「這是既有公部門專案」的事實**。
**但要守住誠實的界線:**
- 「新竹 AI 判煙就是富聯做的」目前是**強烈合理推論**,不是我親眼查到的鐵證(要 firm 得去政府電子採購網查富聯的得標紀錄)。
- 所以**它不該寫進評語當事實指控**(團隊可能來爭);您現有的評語「各縣市現有污染辨識專案很多,建議參考」**措辭穩、留在可查證的事實上**,是對的。這個「疑似就是承包商的既有產品」的判斷,**放在心裡當背景、支持創新性 0,但不寫進對外評語**,拿捏剛好。
要不要我用政府電子採購網查一下富聯在新竹市環保局的得標紀錄,把「疑似」變成「確認」?還是就維持現在的評分與評語(創新性 0 已經到位)?
e36e3881 2026-09-10
[23:23] 助理：
主題 7 我都記得,不再拉取。刻意不硬找 —— **整體分佈我認為一致,沒有哪一件明顯需要調整。** 把我特別去對過的兩處講給您:
**五件排序:**
| 加權 | # | 分數 | |
|---|---|---|---|
| 5.12 | 38 | 6/4/6/2/6 | AI精準修剪(林試所) |
| 4.53 | 123 | 9/6/0/1/2 | 太陽能板清洗(產學計畫) |
| 3.77 | 156 | 5/4/0/2/7 | 智慧通學(政策試點) |
| 2.35 | 185 | 3/4/0/3/4 | 環境監控(離網空洞) |
| 1.05 | 80 | 1/1/0/3/2 | 可可病害(既有＋利基) |
**我特別去對、確認站得住的兩處:**
1. **#38 創新性 6(全場唯一非 0),它憑什麼領先?** —— 站得住:它是**唯一「真正新的構想」**(路樹三刀法 AR 指引,查證只有葡萄藤的 3D2cut,不同作物),又是**林試所這個題目的權威單位**;其餘四件全是既有計畫/政策/產品重製(創新性 0)。您一貫用創新性獎勵「新點子」,#38 靠這個領先,合理。
2. **#123 社會影響力 6 vs #156 社會影響力 4 —— 我一開始覺得可疑**(通學安全〔兒童〕的價值方向,直覺上不輸太陽能板清洗)。但對過之後認為**defensible**:
- #156 的社會影響力被實質折扣:**把壅塞/空污的結構問題歸因家長行為、長期監控兒童、功能潛變疑慮、且只是單校試辦、準實驗統計力存疑**;
- #123 有**明確量化的維運價值**(增發、省水電、公有光電查核)。
- 所以不是「兒童安全被低估」,而是 #156 這個**特定方案**對兒童安全的實際貢獻被它自己的問題稀釋了。兩者都說得出理由。
**#123 可行性 9 vs #80 可行性 1** 我們上一輪已徹底釐清(一個已有專利成品、一個 700 張訓不出來),您評語也各自寫明,不重看。
至於**「#185 疑似就是富聯的既有產品」**—— 那支持創新性 0(已到位),屬心裡的背景判斷、不入評語,我不主張據此再改分。
所以就內容論,**五件的相對關係我都對得出理由,沒有建議調整的。** 主題 7 平衡我沒有意見。要接下一個主題嗎?
e36e3881 2026-09-10
[23:28] 助理：
您這輪動了兩件的**社會影響力**,而且正好回應了我上一輪對過的那個疑點:
| # | 社會影響力變動 | 加權 |
|---|---|---|
| **123** | 6 → **4** ⬇ | 4.53 → 3.97 |
| **156** | 4 → **5** ⬆ | 3.77 → 3.35 |
等一下 —— #156 社會影響力**升**了(4→5),加權卻**降**了(3.77→3.35)?我重算一下…5×.30 + 5×.28 + 0 + 2×.05 + 7×.05 = 1.50 + 1.40 + 0 + 0.10 + 0.35 = **3.35**。而舊的 3.77 是社會影響力 4 時算的:5×.30+4×.28+0+0.10+0.35 = 1.50+1.12+0.10+0.35 = **3.07**。
**所以這裡有個對不起來的地方:** 舊分數 5/4/0/2/7 正確加權應該是 **3.07,不是我先前一直用的 3.77**。我先前算錯了 —— 3.77 是哪來的?讓我檢查…可能我上次把某個維度看錯。總之**以系統重算為準:社會影響力 4 時是 3.07,您升到 5 之後是 3.35**。#156 其實是**升分**(3.07→3.35),不是降。我先前報的 3.77 是錯的,跟您道歉。
**修正後,兩件調整的方向都對、也回應了我上一輪的觀察:**
- **#123 社會影響力 6→4(加權 3.97)** —— 您把「太陽能板清洗維運」的社會影響力往下收。合理:它是既有產學計畫、維運優化,價值真實但不算高公共影響。
- **#156 社會影響力 4→5(加權 3.35)** —— 您把「通學安全(兒童)」的社會影響力往上調。這正是我上一輪說「兒童安全的價值方向直覺上不該低於太陽能清洗」的那個點,您把它校過來了。
**校準後的邏輯更順:** 現在 #123(4)與 #156(5)的社會影響力,反映「兒童安全 ≥ 太陽能維運」的價值排序,而 #123 仍靠可行性 9 排在 #156 之上(它是已運作的成品、#156 是政策試點)。
**新排序:** #38(5.12) ＞ #123(3.97) ＞ #156(3.35) ＞ #185(2.37) ＞ #80(0.83)。
這輪調整後**我沒有意見了**。要提醒的是我先前 #156 的加權報成 3.77 是算錯、正確是 3.07/3.35 —— 這是我的錯,以系統值為準。主題 7 收齊。
c84bcc28 2026-09-13
[21:49] 助理：
第二輪十組收齊。剔除你已裁定的（#73／#123、#41、#159、#79、#103、#102／#126、#127、#115／#98、#180、#10 治理等），以及你說不必逐案看的治理完整度與多元性之後，剩下這些：
## 創新性
| 對照 | 分數 | 原文事實 |
|---|---|---|
| #15 阿公台語 6 vs #87 1 | | 核心相同：高齡農民台語語音＋拍照，AI 診斷病蟲害、自動產出履歷。#87 因「神農 TAIDE」給 1；#15 多的是區塊鏈／ZKP／3D 農場／高中生志工。 |
| #196 水管你 7 vs #49 1 | | #196 前端直接用自家「農來訊」既有平台（隊員是農業局人）、高改場木瓜灌溉模組是隊員自己的技轉成果、預報是安吉自家商品；新增只有水存摺、燈號、LLM 一句話。#49 被評「各環節均為既有設備與技術」給 1。 |
| #12 消防水源 1 vs #154 0 | | #154「自家現有產品」0；#12 提案人就是臺中市消防局，評語「臺中市消防局消防水源管理系統已存在」——也是自家機關已有。 |
| #22 供苗預警 8 vs #239 5 | | #22 自述「現行供苗燈號機制之決策支援升級，而非取代」「與現行燈號並行」——既有機制上加需求端訊號；#239 新組合給 5。 |
| #71 務農遮棚 8 vs #210 5、#189 1 | | #71 自承「相較固定遮棚或全天噴霧，本案採需求式控制」，你的評語也說「控制不需要 AI」；同型的分級觸發案 #210 5、#189 1。 |
| #164 農機辨識 4 vs #72 1 | | 兩案評語邏輯相同（現成工具已能做：預訓練模型／ChatGPT）。 |
## 可行性
| 對照 | 分數 | 原文事實 |
|---|---|---|
| #118 防護卡 4 vs #23 誘捕籠 1 | | 兩案評語都判核心機制無效；#118 一人、原文自承「打樣公司無法完成，須仰賴中央印製廠」，決審前連實體卡都沒有。 |
| #181 紅火蟻 9 vs #22 7、#213 8 | | #181 核心資料（疫情點位、電子聯單 GPS、鑑定結果）全是四機關未開放資料、場域「優先爭取」、七名學生、拿不到就用合成資料；#22 全開放資料、公司有部署經驗；#213 場域已確認。 |
| #20 安心開飯 2 vs #227 家暴 4 | | #227 期程是「10 月和工程師討論研發方式、11 月完成所有資料」，沒有任何開發步驟。 |
| #64 格外乳 6 vs #164 3 | | #64 一人、8 週要做檢驗→分離→飼料廠試製→雞場驗證，廠與場都未具名，你的評語自己質疑藥檢與規模；#164 純軟體 2 個月訓練分類器。 |
| #153 未卜先雞 5 vs #232 8 | | 同型純開放資料分析平台、都有原型、都缺一筆未開放資料、都無場域、都用歷史回測。 |
## 影響力
| 對照 | 分數 | 原文事實 |
|---|---|---|
| #78 AgriResilience 6 vs #152 2、#11 1 | | 三案都是災時通報＋政府儀表板；#152 有場域有資料被評「價值不高」2；#78 一人無場域、評語只有「參考 Meshtastic」給 6。 |
| #10 台語 AI 3 vs #111 櫃買 5 | | 兩案都是既有資訊整合入口；#10 對象高齡偏鄉、台語（加分項）；#111 對象一般投資人、櫃買內部先用。 |
| #129 防偷拍 3 vs #94 綠色憑證 5 | | 兩案都有負面風險（誣告損失／漂綠）；#129 是性別安全（受害者 87% 女性）。 |
| #155 地知 6 vs #131 5、#153 4 | | #155 單一鄉鎮遊客問答，你的評語列了幻覺與座標曝光；#131 全國回收場火災預警、#153 全國蛋雞產銷。 |
| #108 福壽螺 0 vs #68 3 | | 同樣「台灣已有無害替代／既有作業」：愛鴨機器人、國土監測。 |
| #109 熱管家 7 vs #72 2 | | 同樣評語認定既有服務已涵蓋（hiOSHA／ChatGPT）；#109 另有你自己寫的「AI agent 必然有幻覺」。 |
| #65 4 vs #121 0 | | #121 的 Omni 交叉稽核（履歷、檢驗、行情、下架清單）就是 #65 的規則比對；#121 0 是扣區塊鏈。 |
| #86 1 vs #238 7 | | 兩案都「台灣已有」（樂活氣象／地方創生基金會）、創新都 1。 |
## 資料治理（只列「私人資料送雲端」這一條）
| 對照 | 分數 | 原文事實 |
|---|---|---|
| #82 直直問 8 vs #62 6、#214 4 | | #82 兒童提問（含可能的家內受虐揭露）走 AWS Bedrock 商用 LLM；#62 本地 LLM 隔離 VM 不送雲；#214 個案座標本機離線。 |
| #188 城鄉韌性 5 vs #134 2 | | 你對 #188 的評語「救災資訊往往有詳細個資，送 LLM API 有資安隱私顧慮」；#134 只是「可能錄進人聲」的推測風險。 |
| #53 私訊分析 9 vs #66 3 | | #53 方法就是把與第三人的真實私訊與照片丟 ChatGPT／Gemini；#66 正式運作不用生成式 AI。 |
| #3 農養共生 4 vs #126 2 | | #3 長者健康狀況送 Claude／ChatGPT API、要台電台水到戶級水電資料觸發個別警訊；#126 裝置端分析不存原圖。 |
| #52 防詐 ATM 10 | | 你的評語「風控參數若由生成式模型決定，無法解釋與稽核」，治理仍滿分。 |
你要從哪一段開始？