未卜先雞、蛋然無恙

=== c84bcc28 2026-09-12 21:22 === [21:22] 評審： 下一個提案：#153「未卜先雞、蛋然無恙」。 [21:23] 助理： **#153「未卜先雞、蛋然無恙」** — 隊名 FCA LAB，10 人：陽明交大電子所教授（主提）、陽明交大 AI 學程與電子所研究生 2 人、清大電子與電機研究生 2 人、成大奈米 IC 與通訊研究生 2 人（每人都寫了具體分工：THI 熱緊迫指數與雞群世代模型、Flutter 三端 App 與推播、儀表板與 SHAP、LightGBM 事件模型與 walk-forward 驗證、回測框架與資料洩漏防範、資料抓取排程與 DuckDB／FastAPI）、臺南市動物防疫保護處獸醫師（家禽生理諮詢、預警訊息可讀性），畜牧司家禽產業科科長與養雞協會理事長（洽談中）。回應許願池三項。一筆未開放資料需求：畜牧司「day-old 蛋雛雞入雛數週調查」，現由中央畜產會辦理、限《畜產報導》訂閱戶取得，無機讀版。未評分。 **提案內容** - 問題：2026 年 8 月蛋價創 33 個月新高、賣場被搬空，2023 缺蛋、2024 價崩。團隊清理農業部 2019–2026/8 共 2,792 列日行情，發現期間只調價 149 次、間隔中位數 14 日——議價機制穩定價格，但呈現的是協商結果，不是當下供需張力，「等價格變動，缺口往往已成形」。供給端訊號（熱緊迫壓低產蛋率、入雛量領先開產約 20 週、疫情撲殺）分散在 API、統計表、圖片檔。 - 方案：**不預測明日價格**，量測「供需壓力」。一個引擎三種介面：引擎把行情、五大產區氣象（ERA5 日溫濕 → THI 熱緊迫、14 日熱壓累積）、節慶前置需求窗口、產區權重整成每日主表，逐步納入飼料價、疫情、在養季報、週產銷；輸出 0–100 壓力指數、未來 7／14 日調價事件機率、SHAP 可追溯成因。民眾端紅黃綠燈回答「今天需要囤蛋嗎」；蛋農端高溫風險與熱壓提醒，換取換羽、補欄的決策時間；政策端供給、成本、疫情、價格事件全景。 - 現況（v0）：已跑通 2,792 列蛋價、五產區氣象、149 次調價事件；初步觀察：夏季調漲前 14 日指數平均 56.4，非夏季 20.5。**提案自己註明「屬跨季機制觀察，尚未排除季節混淆」**，入選後以同季對照、persistence 基準、walk-forward 盲測量真實提前量。 - 資料治理：原始 JSON 不可變更、清整層以日期為主鍵、一鍵重跑；缺值／重複／值域／新鮮度四類旗標；缺日不插補、價格零值視為缺值；資料字典；全案只用公開資料，不含個資與場級機敏資訊；清整資料、壓力指數、資料字典以開放 API 釋出，程式開源，公部門無須採購。 - 已確認的治理缺口（提案自己列的）：雛雞入雛數無公開機讀管道、雞蛋產銷週報以圖片發布（要 OCR 數值化）。「缺口清單本身就是交給政策的行動清單」。 - 期程 9/18–11/10 五階段，決審交付四件實物：可安裝 APK、可重現回測、開放 API 文件、測試紀錄。 - 合作標示：獸醫師「以機關名義列名提供諮詢，不含機關資料、場域或行政資源承諾」；畜牧司與養雞協會「未獲同意前一律標示洽談中——我們不用別人的名字裝點可行性」。 - AI 使用：Claude／ChatGPT 輔助盤點資料、寫程式、整理文字；所有數字由本機管線重算；規劃中唯一 LLM 用途是分類新聞標題算聲量。 **查證** - 農業部家禽產銷資訊系統（2010 年文章）：蛋雞調查含入蛋雛雞數、產蛋隻數、每日產蛋箱數、預估換羽淘汰，每週更新入雛報表——供給端指標官方有在收，但提案說的是「週報是圖片格式、雛雞數限訂閱戶」，兩者不衝突：資料有、機讀沒有。 - Mysteel：中國大陸雞蛋行情站，分析師文字判斷，非模型；不是同類。 - 2026 年 8 月蛋價：8/14 台北市蛋商公會批發價 49 元、產地價 42.5 元，近 2 年新高，原因是高溫、老母雞換羽、產能調節——與提案的問題描述一致。提案寫「批發價 42.5 元」是把產地價寫成批發價，數字本身對。 **問題** - 核心預測力還沒有證明：56.4 對 20.5 的差異可能只是「夏天蛋價會漲」這個常識；提案自己承認並把驗證排在入選後。 - 民眾端「壓力紅燈」公開後可能自我實現——看到紅燈去囤蛋，反而製造它要防的搶購；指數也可能被蛋商拿去議價。提案沒有討論這個反作用。 - 疫情風險圖層疊上溯源場級位置與規模，可指認個別蛋場。 - 只出 Android APK；紅黃綠燈對色覺障礙者。 - 「回應動物福利許願」但內容沒有動物福利設計。 - 10 人中 2 人洽談中；但提案自己標示得很清楚。 - AI 評估標了 has_card_jargon（我在原文沒看到「卡」字，可能是誤標）。 [21:29] 評審： 呃…這個…我這樣講好了。身為常常跑菜市場買蛋的人，蛋價最大的因素有兩個：1.禽流感撲殺。所以冬天會缺蛋，價格上漲。但是禽流感撲殺是保密的。要是禽流感撲殺上新聞，一兩個月沒人敢吃蛋，價格會狂跌，蛋農的蛋雞幾萬幾萬隻撲殺已經很慘了，價格狂跌會損失慘重。2.中間商屯蛋。這兩年因為每年冬天都有很多養雞場大撲殺，幾乎形成規律，所以不肖中間商就會藉機屯蛋，抬高蛋價。所以我現在看到菜市場沒蛋，跟攤商隨便問一下，彼此知道，心照不宣就好了。 [21:30] 助理： 對照提案，你講的兩個因素它各處理了一半： **1. 禽流感撲殺。** 提案把防檢署疫情網 2022/7 起的 160 筆確診案例（縣市、撲殺數、禽舍型態）當「風險圖層」，自己註明「不作疫情預測」。也就是說它只用公開確診資料，而確診公布本來就是事後、而且只有上得了新聞的那部份。你說的「撲殺保密、上新聞才崩」這件事，提案有一個對應的變數：規劃中的「新聞聲量序列」，算「聲量與供給壓力的背離度」當恐慌指數。它設計的方向是抓「新聞多但供給沒缺」的囤蛋恐慌；反過來「新聞多所以沒人敢吃、需求崩」這一面，提案沒有寫。 **2. 中間商屯蛋。** 提案完全沒有這個變數。它的供給端訊號全在生產端：熱緊迫、入雛數、換羽淘汰、飼料價、撲殺。中間商庫存不在任何一個公開資料裏。而它要預測的「149 次調價事件」正是蛋商公會決定的價格——也就是模型用生產端資料去預測中間商的決定，中間商自己的囤貨行為卻是看不到的變數。這跟 #234 豬價那一案的問題同型：價格不是只由供給端決定。 提案自己的初步發現也對得上你的觀察：夏季調漲前熱壓指數高（熱緊迫是它抓得到的），非夏季調漲前指數低——冬季那些漲價它的指數解釋不了，因為冬季的原因是撲殺和囤蛋，都不在它的資料裏。 [21:42] 評審： 所以，像禽流感撲殺，供給少所以蛋價上漲，以及中間商屯蛋，這個系統怎麼處理？ [21:42] 助理： 兩件事提案處理方式不同： **禽流感撲殺**：有納入，但只當「風險圖層」，不當預測變數。原文：農業部禽流感舊資料集 103 筆＋防檢署疫情網 2022 年 7 月後 160 筆，「規劃合併為風險圖層」「作風險圖層歷史種子，不作疫情預測」。也就是撲殺發生了，圖上會標出來、成因分解可以把它列為一個通道，但系統不會預測疫情什麼時候爆。撲殺對供給的影響量（少了幾萬隻、產蛋減多少）要靠在養季報和週產銷來看，而週產銷是圖片、季報是季度資料——時滯很大。所以疫情這一路在提案裏是「事後標記」，不是「事前訊號」。 **中間商囤蛋**：完全沒有處理。提案的供給端變數是雞這一端（入雛、產蛋、換羽、淘汰、熱緊迫、飼料成本、撲殺），需求端是節慶日曆和新聞聲量。流通端——蛋商庫存、冷藏囤放、進出貨——一個變數都沒有，也沒有這種資料。提案自己在問題描述說「議價機制呈現的是協商後結果」，但沒有碰議價的另一方在做什麼。 所以這個系統量的是「雞產得出多少蛋」對「節慶要多少蛋」的張力；蛋從雞舍到貨架之間那一段是看不到的。2026 年 8 月這波，官方講的原因是高溫、換羽、產能調節，三個都在雞那一端，系統看得到；如果同時有蛋商囤貨，它看不到，也分不出來。 [21:45] 評審： 所以它是整理蛋價相關新聞？ [21:45] 助理： 不是。新聞在提案裏只是一個次要變數，而且還沒做：「以公開新聞 RSS 每 6 小時蒐集雞蛋相關標題則數，計算恐慌指數（聲量與供給壓力之背離度），僅取標題與統計」——列在後續驗證期間，用途是看「新聞吵得比供給實際緊張還兇」的程度。 主體是把政府已有的**數字**接起來算指數： | 來源 | 內容 | 狀態 | |---|---|---| | 農業部家禽交易行情 API | 2019 起 2,792 天日行情 → 149 次調價事件 | 已做 | | ERA5 氣象 | 五大產區日溫濕 → THI 熱緊迫、14 日熱壓累積 | 已做 | | 自建節慶日曆 | 春節、中秋、中元、端午、開學前置需求窗口 | 已做 | | 雞蛋溯源生產者 API | 1,000 場縣市、規模 → 產區權重 | 已做 | | 蛋雞飼料月價（1981 起）、在養季報（2012 起）、禽流感撲殺 | 成本與風險通道 | 已抓，待併入 | | 雞蛋產銷週報（產蛋隻數、入中雞、淘汰、換羽） | 圖片，要 OCR | 已蒐集，待數值化 | | 蛋雛雞入雛數週調查 | 開產前 20 週的領先指標 | 限訂閱戶，向畜牧司要 | 然後用 LightGBM 對這些時序做「未來 7／14 天會不會調價」的事件模型，SHAP 拆成因。 一句話：它是把「雞的生理與供給數據」和「蛋價調整紀錄」對起來，看供給端訊號能不能提前十幾天預告調價。新聞是配菜。 [21:55] 評審： 所以是像網路溫度計那樣，對新聞做NLP和熱度分析嗎？ [21:55] 助理： 不是。網路溫度計那種聲量分析，在這個提案裏只佔新聞那一小塊，而且連那一塊都比網路溫度計簡單——只數「每 6 小時有幾則標題提到雞蛋」，加上用語言模型把標題分類（漲價／缺蛋／疫情之類），不做情緒分析、不抓內文、不看社群。 提案的主體跟新聞無關，是**數值時間序列**：每天的蛋價、每天五個產區的溫濕度、節慶倒數、飼料價、在養隻數、撲殺數，排成一張以日期為主鍵的表，用機器學習看「這些數字的走勢能不能提前 7–14 天預告蛋價會調」。比較接近的類比是氣象預報或股市的技術指標，不是輿情分析。 新聞聲量那一項的用途，是拿來跟供給指數對照：供給其實不緊、新聞卻很吵，就標成「恐慌」——它是拿來校正民眾端燈號的，不是主訊號。 [21:56] 評審： 極簡版的網路溫度計？ [21:56] 助理： 新聞那一塊，是的：只有 RSS 標題計數加分類，可以說是極簡版網路溫度計。 但那一塊佔整個提案不到一成，而且列在「後續驗證期間」還沒做。已經做出來的 v0 是蛋價、氣象、節慶、產區權重四路數字對起來的指數；提案要驗證的假設是「熱緊迫、入雛、換羽這些雞的生理與供給數字，能不能提前預告調價」。這個跟網路溫度計沒有關係。 如果整個提案是網路溫度計，它不需要 THI 熱緊迫指數、蛋雞世代模型、飼料成本通道、獸醫師校核家禽生理這些東西。 [21:57] 評審： 前面那個模型，是別人沒有的嗎？ [21:58] 助理： 學術上有： - 德國（2025，Q Open）：用機器學習預測蛋價通膨，比較 ARIMAX 與 LSTM，天氣變數（日照時數）是前幾名的預測因子。 - 美國（2025，Applied Economic Perspectives and Policy）：機器學習分析蛋價波動，極端高溫與乾旱透過飼料與母雞生產力影響價格。 - 另有多篇用隨機森林預測單場蛋雞產蛋率、用 SHAP 解釋產蛋率因子的論文。 所以「氣象＋供給變數 → 機器學習 → 蛋價」這個模型類型，別人做過。 #153 跟這些不一樣的地方有一個：台灣蛋價不是市場連續價，是蛋商公會議價、七年只調 149 次。國外模型預測的是連續價格水準，套在台灣會變成預測一條階梯。提案因此改成預測「7／14 天內會不會發生調價事件」，把 THI 熱緊迫和雞群世代寫成可解釋通道。這是針對台灣議價制度的改法，是它自己想的；至於做不做得準，它自己也說還沒驗證。 台灣國內沒有公開的同類系統；農業部有數據沒有模型。 [22:01] 評審： 5/5/8/7/4，no comment，如何？ [22:01] 評審： 5/4/10/7/4，no comment，如何？ [22:02] 助理： 加權總分 **6.17**（5×0.30 + 4×0.28 + 10×0.30 + 7×0.05 + 4×0.05）。 一點：創新 10 你之前留給「全世界沒人做過」（#190 爭食），在地化既有做法給 9（#179）。#153 的模型類型（氣象＋供給變數 → 機器學習 → 蛋價）德國、美國都有論文，它自己的部份是針對台灣議價制度改成「調價事件」預測。這比較接近 9 那一格。你若認為事件化這個改法本身就是世界沒人做過的，10 也說得通；只是提出來對一下。 [22:03] 評審： 因為這些前例都不是「蛋商公會議價」啊。 ^^; [22:03] 助理： 記下了。 [22:03] 評審： 下一個主題：主題30。請用/api/topics/<id>，取得該主題的提案。先不要看未評分的提案。針對已評分的提案：1.先查/api/proposals/<id>，只閱讀提案內容，不閱讀AI輔助評估和分數評語。2.查session log，先前有哪些討論。3.再閱讀AI輔助評估和分數評語。 [22:04] 助理： Read both texts (same 成大淨零實驗室 team as #55/#114); waiting for the session-log search before reading AI assessments and scores. [22:07] 助理： 主題30兩案都讀完了：#73 8/2/8/1/2 = 5.51（「Fancy 但用處不大」，教育用途大於減碳）、#122 8/2/4/1/2 = 4.31（光電養藻是自設前提，同一核心問題）。原文、9/8 的討論、AI 評估都對上，評分邏輯清楚。 兩案都已評分，等你要不要做主題30的分數平衡，或直接下一個主題。 [22:08] 評審： 請回顧一下，主題27、28、29和30共8個提案，給分平衡有沒有哪一件要調整的？不記得的話，可以/api/proposals/<id>，但記得就不要用了，不要徒增對話長度。 [22:12] 助理： 八案我都記得，不用重抓。 | | 可行 | 影響 | 創新 | 多元 | 治理 | 總分 | |---|---|---|---|---|---|---| | #68 山坡抓寶 | 7 | 3 | 0 | 0 | 3 | 3.09 | | #102 山域安全 | 5 | 7 | 5 | 2 | 4 | 5.26 | | #70 毛孩安心 | 3 | 2 | 1 | 1 | 4 | 2.01 | | #97 Pet Guard | 9 | 1 | 2 | 3 | 3 | 3.88 | | #72 蛋定行動 | 8 | 2 | 0 | 1 | 2 | 3.11 | | #153 未卜先雞 | 5 | 4 | 10 | 7 | 4 | 6.17 | | #73 微藻樹 | 8 | 2 | 8 | 1 | 2 | 5.51 | | #122 藻光同行 | 8 | 2 | 4 | 1 | 2 | 4.31 | 一處對照： **#73 創新 8、#122 創新 4，對照 #55 0、#114 0（同一個成大實驗室）。** 9/8 評 #73、#122 時，你給 #55、#114 0 的理由是研究已做完；#73、#122 當時你看的是想法。今天的規則明確化之後：#73 是實驗室國科會 113–115 年三年計畫（與中鋼合作 2 噸級煙氣養藻，已運轉兩年多）的延伸，提案自述是「2025 年提案的第二代」；而且塞爾維亞 Liquid3、墨西哥 BioUrban 的微藻城市家具已商轉多年。#122 的核心「雙模辨識」就是實驗室 2026/08/01 起執行的國科會 115 年計畫題目。兩案都落在「自己已在做」那一格，跟 #35、#178、#97 同型。這四案的創新分數現在是 0 / 0 / 8 / 4。 另外 #73 可行性 8 與評語「教育用途大於實質節能減碳」——按你 9/12 的定義（提案的做法能否達成題目目的，#234 的例子），題目是「城市碳匯」，你的評語說做法達不到，這個 8 是 9/8 用「做得出來」給的。要不要按新定義動，你決定。 其餘我沒有要調整的。 [22:19] 評審： 我不瞭解：「#73 創新 8、#122 創新 4，對照 #55 0、#114 0（同一個成大實驗室）」這一整段是說有問題，還是沒有問題？ [22:19] 助理： 有問題。 #73 和 #122 都是實驗室自己已經在執行的國科會計畫，跟 #55、#114 一樣。按你的規則，「自己已經在做」是 0。所以 #73 的 8 和 #122 的 4 偏高，跟同實驗室的 #55 0、#114 0 不一致。 === 事後／並提討論 === c71e996e 2026-09-08 [21:14] 助理： 兩個檔案都好了(各一行一個申請編號): **(1) `excludes/data-governance-boilerplate.txt` — 9 案**:16、58、78、97、129、158、207、211、235 - 表單沒有獨立的資料治理題,實際是第 17 題「資料預計應用方式」;我以「三組概念命中 ≥2」為門檻。例如 #16「分層保存,保留版本與來源…最小必要」三組全中;#58「分層儲存…版本紀錄」;#97「最小必要蒐集…版本管理」。 - 只命中 1 組的 35 案沒放進去:其中 22 案只寫「最小必要/最小化」——那是個資法常用語,單獨不算證據;另 4 案只有「分層」、9 案只有「版本」。要放寬我再出一份。 - 另 #153 的三組詞出現在工具欄而非第 17 題(「JSON/CSV/Parquet 分層保存」「每個模型保留版本」),可留意。 **(2) `excludes/card-jargon.txt` — 22 案**:14、16、31、37、70、76、77、106、108、111、153、155、158、165、172、175、182、200、211、219、221、222 - 跨團隊重複的詞:**模型卡 ×5**(108、153、219、221、222)、觀測卡 ×2(16/211 同案重投)、任務卡 ×2(76/77 同案重投)、資訊卡 ×2、案例卡 ×2、說明卡 ×2;單一出現:事件卡、資料卡、證據卡、判讀卡、支持卡、品質卡、整理卡、地點卡等。 - **請你自己裁量的邊界詞**:「模型卡」「資料卡」是 ML 治理既有術語(model/data card),「資訊卡」是常見 UI 說法,「圖片單字卡」(#175)就是 flashcard——這些我保留在清單裏但可能不該扣分;若剔除模型卡/資料卡/資訊卡/單字卡,清單會少 108、111、153、165、175、219、221(222 還有「資料卡」也是同類)。 - 已排除:信用卡/健保卡/金融卡等證件支付卡、GPU 單卡、打卡/關卡/卡關/卡點、蒙地卡羅、單獨的「卡片」。 這兩條判準我已記入記憶。要不要也補進 `excludes/JUDGING-ASSISTANT.md`,讓評審會話看到提案在清單上時提醒你?你說一聲我就加。 c84bcc28 2026-09-12 [21:22] 助理： #72 讀完了：原文、9/8 的討論、AI 評估、8/2/0/1/2 = 3.11（ChatGPT 拍照即可做到，創新 0），評分邏輯清楚。 主題29另一件 #153 未評分，等你點名。 c84bcc28 2026-09-13 [16:49] 助理： 第一輪十組全部收齊。我先剔除你這兩天已經明確裁定過的（#122／#186 可行性、#190 與 #204 的 10、#212、#97、#101／#226 可行性、#83、#158、#35 治理 8 等），剩下的整理如下。每項都是子代理讀原文後指出的事實，不是 AI 評估的意見。 ## 創新性（0／1／在地化的分界） | 對照 | 分數 | 原文事實 | |---|---|---| | #237 農災 AI 判讀 vs #104 田野之眼 | 創 8／可 8／影 8 vs 創 3／可 0／影 0 | 同一題（AI 初判農損、公所流程、三級燈號）。你給 #104 的理由「AI 憑照片無法判斷災損」對 #237 同樣成立；你對 #237 的評語也說 Sentinel-2 穿不透雲、10 m 分不出農損。#237 資料欄空白、創新欄是工具欄複製。 | | #179 產地汪汪隊 9 | vs #214／#113／#165／#67 各 1 | #179 原文自述「IMF 鏡像資料手冊、美國 CBP、歐盟 OLAF 同路徑，台灣缺本土化對應工具」——是在地重製，9/12 的規則是 1。你在 9/12 說過「#190 世界首創 10 > #179 在地化 9」，跟同日定的「別人做好了＝1」互相衝突。 | | #226 PEBPS 臺灣化 8 | vs #41 0、#91／#20 1 | 引用欄自承「引用 PEBPS 名稱、架構、原始五因子公式，不宣稱原創」，題目就是「臺灣化」。 | | #177 AI Agent 詐騙 8 | vs #159 5、#66 3 | 你的評語「建議和新北反詐養蜂人合作」；原文自引 Chatterbox、Apate 為前例。 | | #74 永續電廠 8 | vs #55 0（同實驗室） | 原文「本提案為團隊既有永續電廠研究之延伸」「沿用既有研究，以大林電廠為案例」，交付是 Streamlit 儀表板。#73 你今天已確認 8；#74 沒談過。 | | #197 掌上明豬 1 | vs #154 0 | 原文「自行研發軟硬體及 APP，114/9–115/2 每 10 分鐘一筆、11,200 筆」——自家系統已運轉半年，是 0 那一格。 | | #14 AI 衛教紅旗 4 | vs #114 0 | 你的評語首句「是現有研究成果」，跟 #114「屬既有成果」措辭相同，一個 4 一個 0。 | | #34 農民補給站 8 | | 原文自述核心「反向比對」模式「源自團隊 2020 年防疫黑客松獲獎作品」。是不是「得獎模式換題重投」由你認定。 | | #201 治蚊 7 vs #84 灌溉巡檢 1 | | 同架構（無人機→AI 辨識→GIS→派工）；#201 自引台南 114/8 已有無人機登革熱巡查，本次加 AI；#84 也是既有巡查加 AI。 | | #19 外送新生態 7 vs #167 審時農曆 2 | | 兩案評語都由你點名前例（CoopCycle／台大黏蟲紙與農試所系統），都是前例上加東西。 | | #106 運用 AI 防詐 5 vs #119 農本生意 2 | | #106 你自己註「只有要做 UI，沒有系統」「深偽辨識無依據」；#119 才是被引前例扣的那個。 | | #182 一鍵巡田 0 | vs #158 3 | #182 因「原型已完成」給 0；#158 原文「前期已完成技術可行性驗證、57 項自動化測試通過」同樣提案前做好，未以此扣。 | | #204 神農計劃 10 | | 新事實：原文自己寫「MIT 曾以微型溫室研究，2020 年硬體不穩關閉」，引用 Wright 2023 開源生長箱——這個問題有人做過。你給 10 時是以「值得鼓勵的實驗」為由。 | ## 可行性（決審前能否驗證） | 對照 | 分數 | 原文事實 | |---|---|---| | #60 防災弱勢戶 vs #77 安心回線 | 可 3／影 5 vs 可 7／影 8 | 同題。#60 十人、甲仙區公所確定場域、慈濟紅十字確定志工、真實名冊；#77 一人、無場域、虛構名冊。#60 被扣「志工不應進警戒區」，#77 原文同樣派志工進山區沒被扣。 | | #205 檳榔轉作 8 vs #224 媽祖 4 | | #205 期程 115/12 容許→116/12 營運，決審前無物可驗；跟 #224「決審前無法驗證」同型。 | | #11 FireMind 9 vs #85 施肥用藥 2 | | 同型：一人、LLM/RAG 疊開放資料、無場域、評語都是「已有現成系統」。 | | #162 滑軌充電 8 vs #130 SkillReady 1 | | 評語都是「現有產品」；#162 一人無場域、期程只有模擬影片與草圖；#130 有耕莘確定場域與實測。 | | #106 5 vs #223／#192 2 | | #106 是 Figma 模擬原型（你的私註）；後兩案有實作。 | | #236 捕風捉稻影 7 vs #58 農先知 4 | | #236 期程 1–6 個月、場域導入在決審後；#58 系統已上線可回測。 | ## 影響力 - #128 油茶 5 vs #51 智慧配水 7：#128 原鄉、老農、台語（你定義裏加分項）；#51 自述只針對大坪頂一產區。 - #178 黑泥氫能 2 vs #74 永續電廠 8：兩案都是既有研究延伸；#178 承諾範圍全台 80 座水資中心，#74 是一座電廠的儀表板。 - #220 柯南櫃 0 vs #187 安心夜 5（治理 0 vs 2）：#187 上雲的是去識別**生理訊號**＋國網跑 LLM，比 #220 的找物事件敏感；#220 支援台客語。 - #112 阻詐演練 5 vs #200 2／#176 1：三案創新都 0（現有），#112 原文最明確已在執行（407 份問卷），影響最高。 ## 資料治理（權重 5%，但方向反的一組） 寫得最完整的拿低分、寫得最空的拿高分：#153（4）vs #14／#177（10）；#200、#108（4）vs #157 Meshtastic（8，評語本身是資安缺陷）、#38（6，資料只有文件名）；#209（4，「Gemini 或 cheatGPT 收集資料」）vs #95（2）；#58（1）vs #236（3）；#119（2）vs #61／#162（4）；#175（4）vs #126／#134（2）；#158（3）vs #215（5）。 ## 多元性（心證，只並排） #70 一人給 1（規則是 0）；#72 三類型 1 vs #10／#154 兩人 2；#185 三類型 3 vs #52 八人同銀行 6；#210 兩類型 6 vs #188／#19 兩類型 2；#234 五類型 6 vs #207 9／#128 8；#190 同校為主 7 vs #180 六校 4／#196 三類 4；#109 五類 5 vs #31 6／#199 7／#203 7；#62 兩類 1 vs #38／#39／#237 單一 2；#55 4 vs #74 1（同實驗室）。 你要從哪一段開始？ c84bcc28 2026-09-13 [17:27] 助理： 先回你問的兩個： - **#74 高分有什麼問題**：問題只在跟同實驗室 #55 的 0 對不對得上——兩案都自述「既有研究延伸」，#55 交付水槽模型、#74 交付儀表板。若你的判斷是 #74 像 #73 一樣「有想法」（把研究做成決策儀表板）、#55 只是工程，那 8 對 0 就說得通，跟你今天確認 #73 的理由一致。 - **#106 有什麼問題**：165 網址比對、簡訊關鍵字、深偽偵測、包裹照片——每一項市面上都有（Whoscall 類、各家防詐 App），組合也不新，你自己註「只有要做 UI、深偽無依據」；5 是「新組合、有自己想法」那一格，跟 #119（有「立真」憑證鏈）的 2 反過來了。 你其他的裁定我都記下，特別是一條新規則：**「別人做好了＝1」指台灣已有；只在國外有、台灣沒有的在地重製可以高分**（#179 9、#19 7 對 #167 2）。 **還沒回的：** 創新 - #226 PEBPS 臺灣化 8：原文自承引用 PEBPS 架構與公式、不宣稱原創——依上面那條新規則，PEBPS 台灣沒有，8 可以成立；只是要你確認。 - #177 AI Agent 詐騙 8：你的評語建議跟新北「反詐養蜂人」合作——台灣已有同類，這條規則下該是低分那一格。 - #182 一鍵巡田 0 vs #158 安心有據 3：兩案都提案前做好原型（#158「57 項測試通過」），一個因此 0、一個沒扣。 - #204 神農 10：新事實——原文自己寫 MIT 微型溫室做過（2020 關閉）、引 Wright 2023 開源生長箱；你給 10 是鼓勵實驗，看要不要因為「有人做過」調。 - #201 治蚊 7：跟 #84 同架構，台南自己已有無人機巡查（原文自引），本次加 AI；你說 #84「概念太多人做了」，#201 是不是同一句話？ 影響力 - #128 油茶 5 vs #51 智慧配水 7：#128 原鄉、老農、台語是你的加分項；#51 自述只做大坪頂一區。 - #178 黑泥氫能 2 vs #74 永續電廠 8：都是既有研究延伸，#178 承諾範圍全台 80 座水資中心，#74 是一座電廠儀表板。 - #220 柯南櫃 0 vs #187 安心夜 5：#187 上雲的是去識別生理訊號＋國網跑 LLM，比找物事件敏感；#220 有台客語。 - #112 阻詐演練 5 vs #200 2、#176 1：三案創新都 0（現有），#112 最明確已在執行，影響反而最高。 資料治理（5%） - 方向反的一組：寫得最完整的低、最空的高——#153（4）vs #14／#177（10）；#200、#108（4）vs #157 Meshtastic（8，評語本身是資安缺陷）、#38（6）；#209「Gemini 或 cheatGPT 收集資料」（4）vs #95（2）；#58（1）vs #236（3）；#119（2）vs #61／#162（4）；#175（4）vs #126／#134（2）；#158（3）vs #215（5）。 多元性（心證，只有一條是規則） - #70 一人團隊給 1，規則是 0。其餘並排：#72 1 vs #10／#154 2；#185 3 vs #52 6；#210 6 vs #188／#19 2；#234 6 vs #207 9／#128 8；#190 7 vs #180／#196 4；#109 5 vs #31／#199／#203 6–7；#62 1 vs #38／#39／#237 2；#55 4 vs #74 1。 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？ c84bcc28 2026-09-13 [22:51] 評審： 分數平衡有調整。除了已調整的以外： 創新： #15：是因為同類型做過所以創新。 #12：是要自幹一套隊上現有系統，加自己要的功能，不是拿隊上現有系統來參賽。 #22：要建立模型；#239只是自動灌溉。 #164：建議拿現有模型訓練，是從現有進步；#72多模態LLM已經做得到了，根本不需要做。 可行性： #153：不符現在台灣蛋價的決定方式；#232沒有市場的問題。 社會影響力： #78：是因為沒什麼問題才沒給評語；#152價值不高；#11同類型系統太多了，沒有附加價值。 #10：別人都做了，它做這個沒有額外的社會影響力。 #129：是傷害當事人的問題；#94是當事人不當得利的問題。問題性質不同。 #131：對人的影響力；#131對垃圾的影響力；#153 100%做出來也難以預測價格。 #108：噴藥對環境有害。 #109：對勞工有利額外加分；#72對買蛋的消費者有利，範圍很小。 #65：沒有問題；#121就算上鏈也無法證明什麼。 #86：加分回來；#238地方創生額外加分。 資料治理： #3：扣分回來；#126取得不必要的臉部資料，不管有沒有送AI。 還有什麼問題？ c84bcc28 2026-09-13 [22:52] 評審： 分數平衡有調整。除了已調整的以外： 創新： #12：是要自幹一套隊上現有系統，加自己要的功能，不是拿隊上現有系統來參賽。 #22：要建立模型；#239只是自動灌溉。 #164：建議拿現有模型訓練，是從現有進步；#72多模態LLM已經做得到了，根本不需要做。 可行性： #153：不符現在台灣蛋價的決定方式；#232沒有市場的問題。 社會影響力： #78：是因為沒什麼問題才沒給評語；#152價值不高；#11同類型系統太多了，沒有附加價值。 #10：別人都做了，它做這個沒有額外的社會影響力。 #129：是傷害當事人的問題；#94是當事人不當得利的問題。問題性質不同。 #131：對人的影響力；#131對垃圾的影響力；#153 100%做出來也難以預測價格。 #108：噴藥對環境有害。 #109：對勞工有利額外加分；#72對買蛋的消費者有利，範圍很小。 #65：沒有問題；#121就算上鏈也無法證明什麼。 #86：加分回來；#238地方創生額外加分。 資料治理： #3：扣分回來；#126取得不必要的臉部資料，不管有沒有送AI。 還有什麼問題？ c84bcc28 2026-09-13 [23:03] 助理： 帶狀 20 案（第 11–30 名）原文我已全部讀完，對照裁定過的項目後，剩下這幾件： **會動到入選線（第 20 名 #226 6.81／第 21 名 #134 6.78）的** 1. **#83 黑豬產業 創新 9**（第 12 名 7.38）。兩個模組：「飼料配方專家系統」是線性規劃最低成本配方，這是數十年的標準做法，台灣 2003 年就有中興大學的「飼料配方線上計算系統」論文，商用軟體遍地都是；「植物性剩餘物質查詢平台」是把環境部事業廢棄物申報年報畫成地圖加距離。私註寫的本質就是「找附近哪裏有豆渣酒糟」。9 分和 #179 洗產地同分。若創新降到 6，總分 6.48，掉到線下。 2. **#213 農災韌力雷達 創新 7**（第 14 名 7.11）。核心是 RAG 拿法規與救助公告做 LLM 問答，這是 #155 被裁定「改成用 LLM 問問題已經做爛了」給 2 分的同一型；不同的是它另外有「農民登錄作物×鄉鎮比對公告主動推播」和「部落回報覆蓋率圖層」。要看本質算哪一半。若創新降到 5，總分 6.51，掉到線下。 **不跨線、只影響線下次序的** 3. **#71 熱風險路口 可行 8 vs #59 鯪鯉 可行 5**。#59 給 5 的理由是 LED 警示器「11 月中」才裝設測試，在 11/11 決審之後。#71 自己的期程是「第 7 至 8 週場域安裝、第 9 週分析前後差異」，9/18 起算第 8 週已是 11/13，同樣落在決審之後，硬體（遮陽＋噴霧＋致冷＋綠能儲能＋AI 攝影機）還要宜蘭縣政府道路施工許可。兩案同一種缺陷，一個 8 一個 5。 4. **#153 蛋價 資料治理 4 vs #226 地震派檢 資料治理 10**。兩案都是純開放資料分析、都有原始層／清整層分離、品質旗標、版本可重跑、不含個資；#153 的資料管線甚至更完整（缺日不插補、零值視缺值、一鍵重跑）。差 6 分。#153 就算治理拉到 10 也只到 6.47，不跨線。 其他：#22/#239 創新、#177 創新、#19 創新、#226 創新、#77 可行、#181 可行、#153 可行與影響、#134 治理、#71 創新、#190 創新皆已裁定，未再列。 Sources: [飼料配方線上計算系統（臺灣博碩士論文）](https://ndltd.ncl.edu.tw/cgi-bin/gs32/gsweb.cgi?o=dnclcdr&s=id=%22091NCHU0289028%22.&searchmode=basic)、[飼料成本極小化之最適規劃模型（華藝）](https://www.airitilibrary.com/Article/Detail/U0017-0808201911465200) c71e996e 2026-09-14 [08:04] 助理： 是，混了。627行裡： - **一般性原則**（該留的）：五個維度的定義（可行性＝目標可達性而非成品完成度、創新0分只給「已有人做出來的產品」、零分＝否決旗標）、錯誤方向（誤判由誰承擔）、乾淨核心勝過落地就緒、LLM文字紅旗、你打分後我才給意見、重看已評案的閱讀順序……大約三分之一。 - **今年提案的評審理由**（不該混在裡面）：#14、#37、#39、#49、#68、#74、#104、#152、#153、#162、#195、#201、#211、#212、#216、#221、#235、team 4、team 22、主題2/13/35–38的評分、三輪全域平衡的逐案裁決……都是逐案紀錄，而且大多已經在DB的`comment`/`private_note`裡。 建議拆成兩份： 1. `judging-scoring-philosophy.md`——只留蒸餾過的通則，每條一段，不帶案號（案號頂多當例子括號註明）。 2. `judging-2026-rulings.md`——今年的逐案理由與平衡裁決，明年可整份刪掉。 要我拆嗎？拆的時候通則我會重新精煉、不是搬段落。