=== e36e3881 2026-09-06 15:55 ===
[15:55] 評審：
下一個提案：#38「AI精準修剪指引系統：守護都市安全的數位防線」。
[15:57] 助理：
Idiap 那篇開到了，aipruning.eu 連續失敗兩次，沒開到。輪廓：
**它是什麼**：**林業試驗所**四位研究員（組長帶隊）提案做一個手機 App：鏡頭對著路樹，AI 辨識該先剪的枯死枝、病蟲害枝、徒長枝、等勢幹；AR 在螢幕上標出「三刀法」的三個下刀位置（前兩刀離主幹 20–30 公分防撕裂、第三刀對準枝皮脊線與枝領）；同時算修剪量不超過葉量 25%、活冠比不低於 50%。場域是台北市士林區中山北路，給修剪廠商用。成效指標是 1999 通報數下降。他們已經用 2015–2026 的 1999 資料算出熱點（士林中山北路五到七段、大安仁愛路三四段）。
**問題描述是真的、而且是這群人最有資格說的**：斷頭式修剪誘發徒長枝、切進枝領導致腐朽、無風自倒；北中高年度預算 13 億；監察院查到五年 2,757 萬國賠。林試所本來就是寫修剪指引和教材的單位——它的問題意識來自「我們寫了規範，第一線不照做」。
**查證**：Idiap 研究所與新創 3D2cut 做了葡萄藤的 AI＋AR 修剪：神經網路從專家標註的影像偵測節點與枝條，用圖演算法重建植株結構，在平板上做出原型，專家評價正面；但**光線、背景、視角、行動裝置即時運算都還是挑戰**，論文發在 Computers & Electronics in Agriculture。葡萄藤是一排排整齊、高度一致、枝條稀疏的作物；路樹是十公尺高、樹冠茂密、背景是車流和建築。AI 評估說「部分新意」是對的：概念存在，路樹版沒人做過，而且難很多。
**核心問題：它要做的 AI 沒有資料，而且它不知道自己沒有資料。**
- 它列的「已使用資料」全是文字：教材第十章、修剪指引、作業規範、決算書、1999 紀錄。要訓練影像模型辨識枝條種類、定位枝皮脊線和枝領，需要**幾千張由專家逐枝標註的樹木影像**。全案一張都沒有。
- 「將修剪規範標準化並運用機器學習訓練」這句話顯示概念混淆——規範是給人讀的，不是訓練影像模型的資料。
- AR 標出「離主幹 20–30 公分」需要從手機畫面估算真實尺度和枝條三維位置，這是 Idiap 在葡萄藤上都還沒解決的部分。
- 四位都是林業研究員，沒有工程師；工具欄寫「python 影像訓練」四個字；AI 揭露寫「使用 Claude 進行程式撰寫」；勾「不需要算力」（訓練影像模型需要 GPU）；輔導需求寫「無」。這是打算用 Claude 把 App 寫出來的意思——回到您說的「LLM 之後大家都想自己做」。
**其他**
1. **1999 通報數當成效指標**：受季節、颱風、其他因素干擾，而且「修得好 → 樹更健康 → 少倒 → 少通報」的因果鏈是以年計的，決審前看不到。
2. **責任問題**：App 標錯下刀點、樹倒了，誰負責？「納入維護契約、施工可追溯」實際上是對承包商的錄影監控；工班多是中高齡與移工，介面預設會用 AR。
3. 街景即時拍攝會拍到路人車牌，1999 資料含通報人，都沒有處理。
4. 期程沒日期、分工空白、不回應許願池。
**值得留的部分**：林試所是這個題目的權威單位，也有能力接到台北市公園處和廠商，落地路徑比多數外部團隊實在。而且 AI 用在對的地方——枝條辨識確實需要影像模型，修剪量和活冠比是規則。問題是他們把研究等級的題目寫成三個月的 App。一個更誠實的版本是：先做一個沒有 AI 的「三刀法圖解與檢核 App」，同時開始建標註影像資料集。
AI 評估：`substantive_junk = false`，`similar_existing = true`（葡萄藤原型）。
[16:00] 評審：
誰用手機？
[16:00] 助理：
提案沒寫。這正是它的實作盲點。
現場的工班是這樣的：一個人在高空作業車的吊籃裡或爬在樹上，戴手套、戴安全帽、兩手握鏈鋸；地面有人清枝條、有人交管。三刀法要下刀的位置在大枝條的基部、靠主幹那一段，通常在樹冠裡面，離地面五到十公尺。
**如果手機在地面的人手上**：從下面往上拍，角度不對、距離太遠、樹冠擋住，看不到枝皮脊線和枝領——那兩條線是貼著樹皮幾公分的紋理，需要近距離斜拍才分得出來。AR 標「離主幹 20–30 公分」也需要鏡頭在枝條旁邊才有尺度。
**如果手機在高空作業的人手上**：他兩手在鏈鋸上，沒有第三隻手；戴著手套點螢幕；吊籃在晃；他要先放下鋸子、拿出手機、對準枝條、看完標示、收手機、再拿鋸子——每一枝都這樣做。沒有工班會這樣工作。
**要真的可用，得是 AR 眼鏡或頭盔顯示器**——Idiap 那個葡萄藤系統就是做在 AR 眼鏡上的，而且葡萄藤是站在地上、伸手可及的高度。提案寫的是「手機鏡頭」「APP 於螢幕標註」，沒有提眼鏡。
所以就算影像模型做出來了，這個 App 在現場的使用方式是不存在的。這件事林試所的研究員應該最清楚——他們去過工地——但提案寫的時候沒有站在吊籃裡想。
[16:02] 評審：
這個App是要判斷下刀的地方，還是要判斷要不要修剪？
[16:03] 助理：
三件都要，提案自己分成三個功能：
1. **要不要剪、剪哪一枝**——AI 辨識枯死枝、病蟲害枝、徒長枝、下垂枝、等勢幹，給「優先處理建議」。
2. **在哪裡下刀**——AR 標三刀位置、枝皮脊線、枝領。
3. **剪多少**——監控不超過葉量 25%、活冠比 50% 以上。
三件的難度和價值都不一樣：
- **剪哪一枝**是最可能做到的：枯枝沒葉、病枝變色、等勢幹是形狀，從地面拍整棵樹就看得出來，不需要近距離。這一步也是規範最常被違反的地方——斷頭式修剪就是「不分好壞全部砍」。
- **在哪裡下刀**是最難做到、也最難使用的：需要貼近枝條拍、需要三維尺度、需要在吊籃裡看。這是我剛才說的「誰拿手機」的問題。
- **剪多少**介於中間：可以粗估（修前修後各拍一張整樹），精確算葉量做不到，但當「有沒有剪過頭」的警示夠用。
**而它真正要解的問題其實不在「工人不知道」，在「工人不這樣做」。** 斷頭式修剪之所以流行，是因為快、便宜、廠商之後還有回剪的生意；規範早就寫得很清楚，第一線不是不懂三刀法，是沒時間也沒誘因。提案自己也提到「作業時間壓力」和「納入維護契約、施工可追溯」——後面這句才是槓桿：一個讓監造能拍照比對「修前／修後／有沒有斷頭」的**驗收工具**，比一個教工人下刀的 AR 更可能改變行為。
所以如果它只做第 1 項加修前修後比對，給監造和主管機關用，是一個可行又有用的東西；它現在寫的三合一 AR 版，是給一個不存在的使用情境。
[16:04] 評審：
所以不確定是給巡檢人員用的，還是給現場監工用的，還是給高空作業人員用的？
[16:04] 助理：
對，提案沒有定義使用者，它的三個功能剛好對應三種不同的人：
- 「透過 APP 輔助**第一線人員**進行修剪判斷與操作」「導入實際修剪維運廠商於日常維護作業中運用」——這是給**高空作業的工人**。
- 「AI **巡檢**與數位輔助納入政府維護契約」——這是給**巡檢人員**。
- 「提升施工品質**可追溯性**」——這是給**監工或驗收**。
三種人在不同的位置、不同的時間、拿著不同的東西：工人在吊籃裡兩手是鋸子，巡檢員平常在路上走看整棵樹，監工在修剪當天在地面看廠商有沒有照規範。一個 App 要同時服務三種人，介面、功能、拍攝距離全都不同，提案沒有分。
這也解釋了為什麼它的功能清單像是「把教材第十章的每一節各做成一個功能」——研究員把自己知道的所有修剪知識都放進去，沒有先問「誰、在什麼時候、拿著什麼」。
[16:09] 評審：
所以不確定是給一般民眾回報用的，給巡檢人員用的，還是給現場監工用的，還是給高空作業人員用的？
[16:09] 助理：
提案寫的是給**修剪廠商的第一線人員**——「透過 APP 引導第一線人員精準修樹」「導入實際修剪維運廠商於日常維護作業中運用」。不是給民眾，不是給巡檢，不是給監工。
但它設計的功能對這個使用者不成立：第一線人員在吊籃裡拿鏈鋸，用不了手機 AR。而它列的效益——「施工品質可追溯、減少不當修剪」——是監工和主管機關的需求，不是工人的。
所以它的使用者寫的是 A（工人），功能只有 B（監工、巡檢）用得上，成效指標卻是 C（民眾 1999 通報）。三個角色在提案裡沒有被區分過。這跟 #31 的問題是同一種：沒有把「誰、在什麼時候、拿著什麼、做什麼」想過一遍。
[16:10] 評審：
斷頭式修剪是什麼？
[16:11] 助理：
「斷頭式修剪」（topping）就是把樹當成電線桿處理：不管枝條長在哪裡，從主幹或大枝的中間一鋸切斷，整個樹冠剃掉，剩下幾根光禿禿的粗樁。台灣路樹常見的「剩一根柱子加幾根短叉」就是這個。
**為什麼有害**，提案裡講的四件事就是它的後果：
1. **誘發大量不定枝（徒長枝）**：樹一下子失去大部分葉子，為了活命會從切口附近的潛伏芽狂長出一堆細枝。這些枝條長得快、接得淺，只掛在樁頭的樹皮上，幾年後長粗了一陣風就折。
2. **需要多次回剪**：徒長枝一兩年就長回原本的高度，比修之前更密，只好再剪，形成「修剪越多、風險越高」的循環——也是提案說的惡性循環。
3. **切口無法癒合**：樹木封傷口靠的是枝條基部的「枝領」——那圈組織能把傷口包起來。從枝條中段切斷，樁頭上沒有枝領，傷口永遠開著，真菌從那裡進去，樹幹內部慢慢腐朽，外表看起來還好，然後「無風自倒」。
4. **結構失衡**：一次砍掉一半以上的葉量，樹的根系跟著萎縮，重心和受風面都變了。
**正確的做法（提案講的三刀法）**是在枝條基部、枝領外側下刀，讓樹能自己把傷口包起來；一次不剪超過葉量的四分之一，維持樹冠比例。
**為什麼廠商還是斷頭**：快、便宜、不用爬進樹冠裡一枝一枝判斷、剪完看起來「有做事」，而且回剪是下一次的生意。這也是為什麼我說這件的問題不是「不知道」，是「不這樣做」。
[16:44] 評審：
這會是要求現場高空作業人員增加程序（手機會有記錄），以便強迫只能適當修剪嗎？
[16:45] 助理：
對，提案裡有一句話幾乎明講了：「將 AI 巡檢與數位輔助納入政府維護契約，提升施工品質可追溯性，減少不當修剪情形。」
也就是說，它真正的機制是**契約加紀錄**：把「用 App」寫進維護合約，App 會留下修剪過程的影像和資料，廠商知道會被看，就不敢斷頭。AI 辨識和 AR 指引是包裝，紀錄和驗收才是強制力。
這個思路本身沒有錯，公共工程本來就靠監造和驗收。但幾點要看清楚：
1. **它是給工人加程序，不是給工人幫忙。** 每一枝剪之前要先拿手機對準、等辨識、看標示——對趕工的工班是負擔，不是輔助。工班會怎麼做？拍一張交差，然後照原本的方式剪。紀錄只能證明「有拍」，不能證明「照剪」。
2. **要做這件事根本不需要 AI。** 修前一張、修後一張整樹照片，由監造抽查有沒有斷頭、切口平不平，現在就能寫進契約。斷頭式修剪從照片上一眼就看得出來，不需要模型。
3. **強制力不在林試所手上。** 維護契約是台北市公園處和各縣市簽的，林試所是中央研究單位，只能建議。提案沒有寫公園處參與。
4. **這是勞動監控**，對象是外包的中高齡工人和移工。要做，得說清楚影像存多久、誰能看、拿來做什麼——提案一個字都沒有。
所以您說的是對的：這件的實際形狀是一個驗收程序，套了一層 AI 的皮。而驗收程序的版本，一張修前修後照片就夠了。
[17:51] 評審：
工前工後照片，用AI抽查斷頭呢？人工抽查會有弊案。
[17:52] 助理：
這個版本站得住，而且比提案寫的好，理由分三層：
**技術上做得到。** 「這棵樹有沒有被斷頭」是整棵樹尺度的粗特徵——樹冠不見了、剩幾根粗樁、修前修後輪廓差太多——比「枝領在哪裡」容易好幾個數量級。幾百張標好的修前修後照片就能訓練出可用的分類器，甚至先用現成的視覺模型零樣本篩一輪就有結果。輸入是地面拍的整樹照，不用爬上去，不用 AR，誰拍都行。
**AI 用在對的位置。** 弊案的來源是「人決定抽查哪幾件」——抽誰不抽誰、看到了寫不寫。AI 篩查是**每一件都看**，沒有裁量空間，然後把可疑的交給人複判、簽名負責。AI 負責「不漏」，人負責「決定」。這剛好是您一路的原則：需要影像判斷的地方用模型，需要負責的地方留給人。
**強制力有著落。** 「修前修後拍照上傳」寫進維護契約當驗收要件，這是公園處現在就做得到的程序改變；AI 篩查是加在驗收後端的，不改工班的作業方式，工人不用拿手機在吊籃裡點螢幕。
**要防的是造假**，設計上要顧到：照片由 App 拍攝而不是上傳（帶 GPS、時間戳、不能選相簿）；修前修後綁同一個樹籍編號；AI 標可疑不等於認定，複判要留紀錄；廠商有申訴管道。這些是驗收系統的常規，不是研究問題。
**但這不是提案寫的東西。** 提案寫的是 AR 三刀法教工人下刀。您現在描述的是一個驗收篩查工具——使用者是監造、資料是整樹照片、AI 是分類器、強制力是契約。這是同一群人、同一個問題、同一筆 1999 資料，可以做出來的另一個提案。評分只能評寫出來的；這個方向可以留在評語裡給他們。
[17:52] 評審：
我沒有說AI普查，我說AI抽查。這種事不要浪費電。
[17:52] 助理：
您說得對，我把它放大了。
抽查的重點是「**誰決定抽哪幾件**」不能是人——這件事用亂數就解決了，連 AI 都不用，零電費。AI 只需要判讀被抽到的那幾張照片有沒有斷頭，然後交人複判。每一件都跑模型是多餘的，跟 #3 那種不必要的算力是同一種浪費。
所以流程是：契約要求修前修後拍照上傳 → 亂數抽件 → AI 判讀抽到的 → 人複判簽名。三步裡只有一步用模型，而且只用在樣本上。
[17:53] 評審：
判讀斷頭應該比判讀在哪裏下剪簡單，我的理解正確嗎？
[17:54] 助理：
對，差好幾個量級，而且原因不只是「難易」，是**任務性質不同**：
**判讀斷頭**是整棵樹的分類問題：輸入一張地面拍的整樹照片（或修前修後兩張），輸出「有／沒有／可疑」。特徵是粗的——樹冠消失、剩粗樁、輪廓變化超過某個比例、切口在枝條中段而不是基部。這種尺度的特徵不需要高解析度、不怕拍攝角度差一點、幾百張標註樣本就夠，而且人眼一看就能驗證模型對不對。
**判讀在哪裡下刀**是逐枝的定位問題：要在一根枝條上找到枝皮脊線（樹皮上一道幾公分的隆起紋理）和枝領（基部微微膨大的那一圈），然後標出離主幹 20–30 公分的三個點。這需要近距離、特定角度、好光線、每個樹種紋理不同、每根枝條都要標，而且要從二維畫面估三維距離。Idiap 在葡萄藤上做了幾年才有平板原型，路樹更難。
用一句話比喻：前者是看照片判斷「這個人有沒有剃光頭」，後者是看照片指出「剪刀該放在哪根頭髮的哪一毫米」。
而且前者對應的正是真正的問題——規範被違反的形式就是斷頭，抓到斷頭就抓到了九成的不當修剪。後者是在教一個不缺技術、缺誘因的人怎麼做。
[17:58] 評審：
6/2/6/2/6「應該高空作業人員以App拍攝工前工後照片，由AI判讀是否斷頭。這比由AI判定從哪裏下三刀容易。AI判讀斷頭自動隨機抽查即可，較節省能源。」這樣呢？
[17:58] 助理：
加權總分 **4.56**（1.80 ＋ 0.56 ＋ 1.80 ＋ 0.10 ＋ 0.30）。
評語把可行的版本講清楚了，這對林試所的人是有用的——他們有能力照這個做。
一點供您參考：**社會影響力 2**。路樹安全、國賠、都市林壽命是真實且有數據的公共問題，提案人又是最有資格解它的單位。照您鼓勵價值方向的原則，這件的方向比 #38 寫出來的解法值錢。若 2 是評「AR 教工人下刀」這個解法本身的影響力，說得通；若是評方向，偏低。
[18:02] 評審：
6/4/6/2/6「應該高空作業人員以App拍攝工前工後照片，由AI判讀是否斷頭。這比由AI判定從哪裏下三刀容易。AI判讀斷頭自動隨機抽查即可，較節省能源。」這樣呢？
[18:02] 助理：
加權總分 **5.12**（1.80 ＋ 1.12 ＋ 1.80 ＋ 0.10 ＋ 0.30）。
評語方向對，是這件提案最需要的一段話。兩個字面上的小修正：
1. 「高空作業人員以 App 拍攝」——整樹的工前工後照片是從地面拍的，不必是吊籃上的人；寫「工班以 App 拍攝」比較準，也避開了「誰拿手機」的問題。
2. 「AI 判讀斷頭自動隨機抽查」讀起來像 AI 負責抽件。您的原意是亂數抽件、AI 只判讀抽到的，寫「隨機抽件後由 AI 判讀是否斷頭」會更清楚。
分數裡只有資料治理 6 想提一次：提案關於街景影像、工人錄影、1999 通報人資料，一句處理都沒寫。
=== 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 2026-09-06
[18:07] 助理：
六個來源全開了。輪廓：
**它是什麼**：**水產試驗所**八位研究員（表填 10 人）提案，把氣象署 72 小時預報、雷達、海洋浮標、淹水潛勢圖、漁業署放養申報，加上水試所自己的 6 座移動氣象站（2 座已運作）和 8 處 AIoT 水質站（東港中心），接進一個「If-Then 專家規則庫」：豪雨前推播「白蝦池減投餵、注意鹽度驟降」、寒流前推播「文蛤池工作魚防凍」、水質逼近閾值時推播「開水車、啟動發電機」。災後用感測歷史資料當「科學災損舉證」，取代人工勘災。平台建在水試所網站。期程 8 月到 12 月。回應許願池兩條。
**先講一個正面的**：它的 AI 揭露寫的是「ChatGPT 畫圖表、NotebookLM 整理文獻」，產品本身是規則庫，**它沒有假裝自己是 AI**。這是您原則裡「規則能解就用規則」的正面案例，雖然標題還是掛了「智慧」。
**查證**
- **水試所既有成果**（2022 成果展頁）：「養殖感測與決策回授控制系統」——水質感測、增氧設備自動控制、已技轉給業者；另有「水產養殖智能專家系統」聊天機器人已正式上線。所以**感測器和自動控制是他們本來就有的**，這次加的是氣象連動、推播、災損舉證。
- **農試所農作物災害預警平台**（TCCIP 案例）：氣象＋作物曆＋歷史災損 → 鄉鎮級預警＋App 推播。**農作物版的同一件事已經有了**，這件是養殖版。
- **氣象署養殖專區**：72 小時預報、一週溫度曲線、雷達、累積雨量，依縣市地點選。養殖專用的氣象頁面已存在。
- **漁業署「漁業天然災害查報、審核及救助數位 e 化系統」**：災害查報與救助流程已數位化，還有 **LINE 災害警訊群組**。
- **峰漁 AI 養殖日曆**（2025/05 報導）：民間公司，依氣象與水質趨勢自動調整養殖計畫，鱸魚死亡率降 10% 以上。
所以拼圖裡的每一塊都有人做了：預報（氣象署）、通報救助（漁業署）、感測控制（水試所自己）、AI 養殖建議（峰漁）。#39 真正新的一小塊是「把預報翻成池子等級的操作指令並推播」——農試所在作物上做過，養殖上還沒有官方版。這是水試所該做、也做得到的事，但它是一個機關的例行研發計畫，不是黑客松原型。
**需要您判斷的**
1. **「科學災損舉證」只對有感測器的池子成立。** 全國養殖池幾萬口，水質站 8 處。站外的漁民反而變成「沒有科學證據」的一方。而且提案把勘災改革的理由寫成「冒領風險」，預設漁民是冒領者；AI 評估還點出一個政策風險——事前預警可能變成「已警示未行動就不補助」，把災損責任推給漁民。
2. **「自動推播指令啟動備用發電機或水車」**——是建議漁民去開，還是系統遠端開？寫法讀起來像後者，那就有控制安全和責任問題。
3. **期程到 12 月**，超過決審；平台建在水試所網站，是機關內部的事，落地不成問題，但決審能看到的是規則庫的樣張和儀表板原型。
4. **資料治理弱**：放養申報含戶籍與池位，提案要串到保險和消費端 QR 溯源，「資料安全與共享」那一段只講共享，沒講同意和去識別。
5. 成員全是同一個所；分工空白；「減少 20% 災損」是假設值。
**跟 #38 對照**：同樣是農業部研究所的體制內提案，這件的技術選擇比 #38 誠實得多——它知道自己需要的是規則不是模型，也真的有感測器和場域。
AI 評估：`suspected_existing = true`（既有感測系統加氣象，查證屬實），`similar_existing = true`。
e36e3881 2026-09-06
[19:56] 助理：
有，而且這一輪對話裡有幾個例子可以看出我的偏差是什麼形狀：
- #23 我先講「國外已經有 Wild Vision」，您問的是「綠鬣蜥會不會進籠子」。
- #38 我先講「沒有影像資料集」，您問的是「誰拿手機」。
- #39 我把一個推想的政策後果排在第一，真正在提案裡的問題排後面。
共通的模式是：**我傾向把「在書桌上分析得出來的問題」排在前面，把「現場第一步會不會發生」的問題排在後面。** 而且我容易被 AI 評估裡那些社會影響、公平性的分析帶著走，因為那類論點寫起來有分量，但它們常常是下游的、假設性的。您抓的是上游的、決定性的——前提不成立，後面全部不用談。
比較誠實的檢驗標準應該是：**「如果這個問題成立，提案其他部分還有意義嗎？」** 誘餌不成立，籠子沒意義；工人拿不了手機，AR 沒意義。用這個標準，很多我列在前面的東西會掉到後面。
我會改。但我不會保證一次就對，您看到我又把次要的當主要時，直接講就好。
c71e996e 2026-09-08
[09:26] 助理：
106 筆疑義裏,**只有 32 筆(16 個單位)會實際改變「哪幾案併為同 team」**;其餘 74 筆都只出現在單一提案,怎麼判都不影響分組,不必問你。以下是真正需要你裁決的,我依影響歸成 8 題(附上會受影響的提案 #),請逐題回答:
**政策題(一次決定、涵蓋多組)**
1. **同一所高中的成員,算同一組人嗎?** 影響:潮州高中 #106/#230;竹南高中 #31/#36;道明中學 #13/#15。
2. **政府「署/局/司」層級太大,一律不連?** 影響:環境部資源循環署 #131/#207/#216;環境部環境資訊科技司 #94/#156;高雄市政府農業局 #196/#209(「農業處」與「農業局」是同一單位的兩種寫法)。
3. **大型政府研究機構:**
- **林業試驗所**要不要比照農試所排除?目前會把 #38/#119/#128/#234 連成 4 案同 team。
- **農科院**(財團法人農業科技研究院,#35/#72/#234)目前已排除,維持?
**個案題**
4. **TAITA**(「TAITA秘書長」,#88/#89/#90/#92 共 4 案)— 這是什麼組織?若是小協會就算同 team。你認得 TAITA 嗎?
5. **#32/#33/#34** 同時共用「萬華區公所糖廍里里幹事」與「北醫大數據所」兩個訊號 → 判同一組人?(兩條線都指向同三案,幾乎確定。)
6. **屏科大「農園生產研究所」與「農園生產系」**合併為同一單位、且算同 team?(#205/#209/#236)
7. **陽明交大「電機學院/電機所/電機系」**合併為同一單位?電機系規模很大,算不算同 team?(#190/#203)
8. **小公司:**冠諭科技(#84/#91)、達豐儀器(#31/#36,且與竹南高中同時共用)→ 算同 team?
回答完我就定稿對照表,接著建 `Team` 表 + `Proposal.team_id`、把三層關聯(強關聯/同名待查證/同單位)算進去做清單標記。
c71e996e 2026-09-08
[09:50] 助理：
收到,裁決整理:
- 高中 → 同 team(潮州 #106/#230、竹南 #31/#36、道明 #13/#15)
- 政府 署/局/司 → 一律不算
- 林試所、農科院 → 算;而且兩者共用 #234,會自然併成一個 team(#35/#38/#72/#119/#128/#234)
- 屏科大農園、陽明交大電機 → 不算同 team
- TAITA秘書長 → 同一個人,同 team(#88/#89/#90/#92)
你沒答到的兩題,我依你已定的規則處理並說明:#5(#32/#33/#34)與 #8(小公司)。先查一下 #32/33/34 與 TAITA 是否根本就是「同一個成員姓名」跨案——若是,那是強關聯(同人),不必靠單位。
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
[22:50] 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
[22:53] 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
[23:03] 助理：
加權總分 **2.72**。
- 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 0 × 5% = 0
**評語一句到位**:政策試點、非黑客松範圍 —— 這是我們討論的核心結論,精準、可辯護(政策既有、方法現成、主管機關自己執行,不是新構想驗證)。
分數方向我大致認同,但有**兩格想跟您確認**(不是反對,是想確認您要的讀法):
1. **創新性 0(否決旗標)** —— 合理,跟 #205「檳榔轉作不屬黑客松」給創新性 0 同一個用法:不對題、既有政策執行 → 插紅旗。站得住。
2. **資料治理 0 —— 這一格我有點意外,想跟您確認。** 這件的資料治理其實是**這批寫得最用心的之一**:DMP 分公開/內部/敏感三層、不辨人臉不上車牌、原始影像不落地、去識別聚合對外、保留刪除紀錄。若純看「資料治理設計品質」,它不像 0。
- 若您給 0 是因為「**它整件不屬黑客松範圍,所以連治理都不予計分**」(整案否決的延伸),那是一種讀法;
- 但若資料治理是獨立評「它對資料的處理好不好」,那它其實有料(對照 #38 拍到路人、#80 拍到農場病況都沒處理,#156 反而想得最周全)。
- 而且它也有**真實的治理疑慮**(拍兒童影像、「不落地卻要人工覆核」矛盾、廠商經手 LINE 名單)—— 若您是為這些扣,那落在中低分(如 3–4)會比 0 更貼「有設計但有矛盾」。**0 我覺得偏低**,除非您是刻意讓「非黑客松範圍」整案歸零式處理。這一格請您再看一眼。
其餘(可行性 5：政策試辦做得出但 AI 是配角;社會影響力 4：通學安全方向有價值但把結構問題歸因家長行為;多元性 2)都合理。
**主題 7「影像辨識巡檢」5
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
[23:23] 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
[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
[21:34] 評審：
創新：
#237：它提案本質上是抽高風險抽查，提高抽查品質，不是只是看農損。
#179：臺灣沒有，在地重製，不然去跟美國拜託拿代理經銷嗎？
#177：反詐養蜂人是另一個提案(#62)，我叫他去跟#62合作。
#74：高分沒問題；#55：現有研究冒充新創。
#197：原計畫沒有要量病毒。
#14：這個研究成果要試著應用。
#34：防疫黑客松和總統盃黑客松不同。
#19：台灣沒有；#167台灣有。
#106：「只有要做 UI，沒有系統」「深偽辨識無依據」不是創新的問題；#119無法驗證貼文歸屬，題目做不出來。
可行：
#77：志工先打電話聯絡，問題比較輕。
#205：很容易；#224因為媽組三月生。時程不是考量，考量是媽祖三月生。
#11：核心是整合平台，LLM做不到只是一個問題。
#106：沒問題；#192公司對農產品接不上；#223沒有性別影響評估實質上會失敗。
#236：所以分數沒有很高；#58預測價格會反過來影響供需，無法達成預期目標。
社會影響力：
#178：就算範圍函蓋全國，正面好處還是不大。
#220：資料比較敏感，而且可以不用上傳。
#112：沒有問題；#200疑現有發包案報名，給主管看的社會影響度本來就不高；#176產品行銷誇大療效。
資料治理：寫完整往往是AI寫的訊號，提案人自己不懂，也無法遵守。很多案資料不牽涉個資也不牽涉機密，沒什麼好打資料治理分數的。
#38沒什麼好講資料的。#209沒什麼好講資料的。
多元性：我比較難一一說明，獨立判斷隊伍多元性的心證很多。
還有什麼問題？
c84bcc28 2026-09-13
[21:35] 評審：
分數平衡有調整。除了已調整的以外：
創新：
#237：它提案本質上是抽高風險抽查，提高抽查品質，不是只是看農損。
#179：臺灣沒有，在地重製，不然去跟美國拜託拿代理經銷嗎？
#177：反詐養蜂人是另一個提案(#62)，我叫他去跟#62合作。
#74：高分沒問題；#55：現有研究冒充新創。
#197：原計畫沒有要量病毒。
#14：這個研究成果要試著應用。
#34：防疫黑客松和總統盃黑客松不同。
#19：台灣沒有；#167台灣有。
#106：「只有要做 UI，沒有系統」「深偽辨識無依據」不是創新的問題；#119無法驗證貼文歸屬，題目做不出來。
可行：
#77：志工先打電話聯絡，問題比較輕。
#205：很容易；#224因為媽組三月生。時程不是考量，考量是媽祖三月生。
#11：核心是整合平台，LLM做不到只是一個問題。
#106：沒問題；#192公司對農產品接不上；#223沒有性別影響評估實質上會失敗。
#236：所以分數沒有很高；#58預測價格會反過來影響供需，無法達成預期目標。
社會影響力：
#178：就算範圍函蓋全國，正面好處還是不大。
#220：資料比較敏感，而且可以不用上傳。
#112：沒有問題；#200疑現有發包案報名，給主管看的社會影響度本來就不高；#176產品行銷誇大療效。
資料治理：寫完整往往是AI寫的訊號，提案人自己不懂，也無法遵守。很多案資料不牽涉個資也不牽涉機密，沒什麼好打資料治理分數的。
#38沒什麼好講資料的。#209沒什麼好講資料的。
多元性：我比較難一一說明，獨立判斷隊伍多元性的心證很多。
還有什麼問題？
c84bcc28 2026-09-13
[21:41] 評審：
分數平衡有調整。除了已調整的以外：
創新：
#237：它提案本質上是抽高風險抽查，提高抽查品質，不是只是看農損。
#179：臺灣沒有，在地重製，不然去跟美國拜託拿代理經銷嗎？
#177：反詐養蜂人是另一個提案(#62)，我叫他去跟#62合作。
#74：高分沒問題；#55：現有研究冒充新創。
#197：原計畫沒有要量病毒。
#14：這個研究成果要試著應用。
#34：防疫黑客松和總統盃黑客松不同。
#19：台灣沒有；#167台灣有。
#106：「只有要做 UI，沒有系統」「深偽辨識無依據」不是創新的問題；#119無法驗證貼文歸屬，題目做不出來。
#204：LLM AI管理溫室沒有前例。
可行：
#77：志工先打電話聯絡，問題比較輕。
#205：很容易；#224因為媽組三月生。時程不是考量，考量是媽祖三月生。
#11：核心是整合平台，LLM做不到只是一個問題。
#106：沒問題；#192公司對農產品接不上；#223沒有性別影響評估實質上會失敗。
#236：所以分數沒有很高；#58預測價格會反過來影響供需，無法達成預期目標。
社會影響力：
#178：就算範圍函蓋全國，正面好處還是不大。
#220：資料比較敏感，而且可以不用上傳。
#112：沒有問題；#200疑現有發包案報名，給主管看的社會影響度本來就不高；#176產品行銷誇大療效。
資料治理：寫完整往往是AI寫的訊號，提案人自己不懂，也無法遵守。很多案資料不牽涉個資也不牽涉機密，沒什麼好打資料治理分數的。
#38沒什麼好講資料的。#209沒什麼好講資料的。
多元性：我比較難一一說明，獨立判斷隊伍多元性的心證很多。
還有什麼問題？