=== e36e3881 2026-09-08 07:54 ===
[07:54] 評審：
下一案：#72「蛋定行動：AI 陪你挑一盒安心的雞蛋」
[07:55] 助理：
三個來源開了兩個，夠用。輪廓：
**它是什麼**：農科院副研究員兼組長帶隊，加國網中心研究員、台灣動物社會研究會的動物福利標章主任，三人。消費者在貨架前拍雞蛋包裝，OCR 和 QR 辨識品牌、產地、履歷編號、洗選場、飼養方式、標章，RAG 串接國產雞蛋溯源、產銷履歷、食安監測、疫病、友善飼養標章、市場行情，由國網中心的「Taiwan AI RAP」LLM 翻成「來源與履歷、飼養方式、食安、價格參考」四塊加選購建議。三個月，沒有場域，「以公開資料建置原型、模擬情境驗證」。回應許願池兩條（動物福利、產銷資訊）。
**查證**
- **國產雞蛋溯源平台**（農業部主管、養雞協會執行）：蛋殼噴印溯源碼，輸入「溯源編碼、包裝日期＋生產方式」可查。也就是說，**每盒國產蛋已經有一個碼可以查來源**，這件要做的是「不用輸入碼，拍照就好」。
- **Yuka**（法國）：掃條碼評分食品成分，400 萬食品、200 萬化妝品，獨立無廠商資助。「掃一下告訴你這個好不好」是成熟的產品類型。
**核心問題：拍照之後，AI 要告訴消費者什麼？** 溯源碼能查的是「哪個場、哪天洗選」——那是事實，掃碼就有。這件多出來的是 LLM 的「解讀」和「選購建議」。但提案自己說「涉及食安資訊時以政府公告為依據，不由 AI 自行認定產品安全性」，那 AI 能建議什麼？剩下的是飼養方式（籠飼、平飼、放牧）和有沒有友善標章——而隊裡那位正是發標章的協會的主任。所以「AI 選購建議」實際上很可能變成「有動社標章的比較好」。這不是 AI 的判斷，是價值判斷，由標章單位坐在隊裡定義「安心」。這一點提案沒有處理，也沒有揭露。
**第二個問題：拍照比掃碼難，但沒有比掃碼多給什麼。** OCR 要認各家包裝的排版、字型、反光、貼紙；溯源碼在蛋殼上不在包裝上，拍包裝拍不到。「拍一盒蛋」聽起來方便，實作上比「掃 QR」多了一層辨識錯誤的來源，而查到的東西是同一份。
**其他**：沒有真實使用者測試，全是模擬情境；三人分工空白；資料欄把主計總處物價、動社標章都列成「政府開放資料」；「全為原創無引用」但列了八項資料；一個消費者在貨架前掏手機拍蛋盒等 LLM 回答，這個使用情境跟 #70 讓飼主登錄飼料一樣，需要動機。
**好的一面**：問題真實（缺蛋、禽流感時消費者確實無所適從）；AI 用在該用的地方（OCR、多來源整合成白話）；資料來源列得完整；國網中心的本土 LLM 是好的選擇；有動物福利的角度。
AI 評估：`substantive_junk = false`，`similar_existing = true`（查證屬實）。
[08:10] 評審：
其實現在打開ChatGPT或Claude Chat，直接拍照詢問，就做得到了，不是嗎？
[08:11] 助理：
大部分做得到。拍蛋盒問「這什麼牌、哪裡產、什麼飼養方式、有什麼標章」，現在的多模態模型直接讀得出來，還會解釋「平飼」是什麼意思。
它多出來的只有兩件：一是查溯源碼和產銷履歷——那要輸入蛋殼上的碼到養雞協會的網站，ChatGPT 不會幫你連過去；二是今天的蛋價行情——但那是每天變的數字，貨架上的標價比 API 準。
所以這件的實質內容是「幫 ChatGPT 接兩個台灣的資料源」。這對總統盃來說是合理的小應用，但「AI 陪你挑蛋」那一層——認包裝、講白話、給建議——通用模型已經免費做了，不是它的創新。
[08:12] 評審：
溯源碼和產銷履歷 => 也是掃描或拍照給ChatGPT/Claude Chat/Gemini就有了啊。
[08:12] 助理：
對，我少想了一步。QR code 拍給模型它會解出網址，網址就是溯源平台的查詢頁；蛋殼上的溯源碼拍給模型它會讀出來，再叫它去查或自己貼到養雞協會網站，也是幾秒鐘的事。現在的聊天模型有網頁瀏覽，連「查」這步都能代勞。
所以這件真正剩下的差別只有「不用自己動手把碼貼過去」，其餘都是通用模型現成的。它是一個把 ChatGPT 能做的事包成專用 App 的提案，跟 #53 那位提案人的觀察正好相反——她發現大家已經在直接問 AI，這件還在做一個要人另外打開的東西。
[08:13] 評審：
前一陣子我因為在超市不知道該挑哪款殺蟲劑，才拍照問過Claude Chat。這不是已經做得到的事了嗎？
[08:14] 助理：
對，您那個例子就是這件提案的全部使用情境，而且您已經做過了，不需要任何人幫您做 App。
差別只在您那次是殺蟲劑、它這件是雞蛋。「站在貨架前拍照問 AI 該選哪個」是通用模型已經做到的事，換一個品類不會變成創新。它列的八個資料源，模型上網也查得到。
這件提案的價值判斷可以濃縮成一句：**它要做的東西，消費者今天打開任何一個聊天 AI 就有了。**
[08:15] 評審：
8/2/0/1/2「可以直接在ChatGPT拍照詢問採購建議，可以參考。」如何？
[08:15] 助理：
分數沒有問題。評語一句講到底，可以把「可以參考」改成「已可直接做到」，語意更準：「消費者已可直接以 ChatGPT 等拍照詢問採購建議。」
[08:16] 評審：
8/2/0/1/2「在ChatGPT可直接拍照詢問採購建議，建議參考。」如何？
[08:16] 助理：
分數和評語都沒有問題。評語一句就把它跟現況的關係講清楚了。
=== 事後／並提討論 ===
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 2026-09-08
[23:21] 助理：
輪廓，這件不用另外查（同類產品 AI 評估列了三個，語音導覽平台是成熟品類）：
**它是什麼**：AI 把農業旅遊景點資料（休閒農場、農村社區、農特產、花海、果園、食農場域）加地方故事、農業諺語、節氣文化，生成語音導覽腳本，做成華語／台語／客語多語、多長度（1 分鐘、3 分鐘、親子版）音檔，景點放 QR code 讓遊客掃了聽、可下載離線。三個月，一條農遊路線 10–20 個景點。跟同提案人其他七件一樣：資料欄兩欄一字不差且斷在「服」字、自備空白、「Gamme4」、「全為原創」、不回應許願池、解決方案與問題描述高度重疊。
**核心問題：這是通用產品，跟農業幾乎沒關係，也跟公共資料應用幾乎沒關係。**
- **語音導覽平台是成熟品類**：GUIDEO、SmartGuide、各種 AI 導覽 App，掃 QR、多語、AI 生成腳本、離線下載——這些現成工具全有。把題材換成「農遊」不構成新東西，換成廟宇、老街、美術館都是同一個平台。
- **公共資料只是素材**：它用農業旅遊開放資料當內容來源，但核心是「拿文字生成語音」，這件事用 ChatGPT 加任何一個 TTS 就做完了。跟 #72（拍雞蛋問 AI）是同一種——通用 AI 已經能做的事，包成一個專用平台。
- **「諺語、節氣、鄉土故事」是它想加的文化厚度，但那恰恰是 AI 最會幻覺的地方**：地方諺語、農業掌故、產業演變，LLM 生成起來流暢但常常是編的，而遊客沒有能力分辨。它的防護是「業者或文史工作者審核」——一個人的團隊，10–20 個景點的腳本誰來一句句核，沒寫。錯誤的地方文化用權威的語音播出去，比沒有更糟。
**這件是八件裡跟總統盃距離最遠的一件**：既不是農業問題（是觀光導覽），也不是公共資料加值（是通用 TTS 應用），創新性趨近於零。前面 #84/#89（無人機）至少題目真實，#85/#86 至少問題真實，這件連問題都是通用的。
**唯一可說的**：台語客語的農遊導覽對文化傳播有一點意義，但方言 TTS 的品質和「諺語會不會被編錯」正是它沒解決的。
AI 評估：`substantive_junk = true`，`similar_existing = true`（三個語音導覽平台）。
e36e3881 2026-09-08
[23:22] 助理：
您說得對，而且比「有人做」更根本：這是旅遊業現在的日常工作流，不是一個要立案開發的系統。
一個做農遊、地方導覽的年輕從業者，手上已經有 ChatGPT 寫腳本、有 TTS 生語音（甚至用自己的聲音）、有現成的多語翻譯、掃 QR 聽導覽的平台租一個月幾百塊。他要做一條路線的語音導覽，一個下午的事，不需要平台、不需要黑客松、不需要政府資料。#88 把這個「人人都在做的日常操作」寫成一個要三個月開發的「AI 平台」。
而且您點到的更關鍵：**內容的價值在人，不在生成。** 好的農遊導覽是那個從業者真的認識當地、聽過老農講古、知道哪個諺語配哪塊田——那是他跑出來的。AI 生成的「農業諺語與鄉土風情」是把這一層抽掉、用模型補一個流暢但可能是假的版本。旅遊業真正缺的從來不是「把文字變語音」，是內容本身，而那正是 AI 給不了的。
所以這件不只是「有人做過」，是「它想自動化的那一步（生成腳本）本來就不該自動化，該自動化的那一步（文字轉語音）人人手機上都有了」。
user我還是覺得，這是免費工具就能做的事。5/1/0/0/0 no comment。
system<total_tokens>15000000 tokens left</total_tokens>
分數沒有問題，跟您對 #72 的判斷一致——免費通用工具就能做的事，可行性高、其餘趨近零。
no comment 也合理:這件沒有一個具體的問題值得留一句,它整體就是「用現成工具做現成的事」。
user下一案:#92「電商非法商品 AI 巡查平台:以文字與圖像辨識強化線上交易安全」。這是這個團隊最後一案。
e36e3881 2026-09-09
[10:13] 助理：
看完九張裡的七張,加上剩兩張(單號比對、關稅催繳應該是同系列),我對「已完成部份」的判斷要修正。
**它做的比我說的多,但沒有比我以為的實質。** 關鍵在最上面那行字:**「Gemini」「試用 Gemini Canvas」「直接與 Google AI 互動」**——這整個 GUARD AI 介面是跑在 **Gemini Canvas** 裡的。Gemini Canvas 是 Gemini 的一個功能:你叫它「幫我做一個防詐網站」,它當場生成一個可以互動的網頁貼給你。所以這不是 Figma 靜態原型,是一個**由 Gemini 即時生成、能點能跑的網頁**——比 Figma 多在「按鈕真的會動、能上傳、有 Q&A 展開」。
但這也就是它的上限。逐張看內容:
- 首頁三個功能卡(包裹物理鑑定、語音極速監測、視訊深偽辨識)——是介面。
- 語音防護——一個假的聲波動畫加「停止監測」鈕,沒有真的在聽、在分析。
- 視訊真偽鑑定——一個黑框加「啟動鑑定」鈕,沒有真的偵測。
- 包裹預購備忘錄——「上傳截圖,AI 將解析」,但那個「AI」就是 Gemini 本身。
- 常見防詐 Q&A——展開式問答,內容是預先寫好的文案。
所以**修正後的判斷**:它不是「只有 Figma」,是「用 Gemini Canvas 生成了一個會動的展示頁」。實質上——「上傳照片/截圖交給 AI 判讀」這一段,底層就是把東西丟給 Gemini,而 Gemini 本來就會看圖、看文字。這跟 #72(拍雞蛋問 AI)、#88(語音導覽)、您那次拍殺蟲劑問 Claude 是同一件事:**通用 AI 已經能做,學生用 Gemini Canvas 把它包了個防詐主題的殼。**它宣稱的聲紋辨識、Deepfake 幀間偵測——那兩個按鈕點下去只有動畫,沒有那些模型;真正會動的只有「丟圖給 Gemini 看」這一段。
**對評分的意義**:
- 我剛才說「只有 Figma」不準,該收回——它有一個能跑的展示,可行性上比純畫圖強一點。
- 但「宣稱的核心技術(聲紋、深偽)沒做、只做了 Gemini Canvas 生成的介面加通用 AI 看圖」這個判斷不變。它比我以為的多做了一步(能互動),但那一步是 Gemini 免費送的,不是他們建的。
謝謝您叫我去看——不看就會把「有能跑的展示」漏掉,誤判成純靜態。這也是一個教訓:提案附的連結和截圖,不能只讀提案正文就下結論。
您要給分了嗎?
e36e3881 2026-09-09
[11:02] 助理：
九張看完了。修正我對這件的判斷——它比我之前說的「只有 Figma 原型」實在,但**方向上更糟**。
**這是一個 Gemini Canvas 生成的可互動網頁,不是 Figma 靜態稿。** 它是真的能點的:「GUARD AI」介面,三個功能卡(包裹物理鑑定、語音極速監測、視訊深偽辨識),點下去會跳出鑑定視窗——包裹要「拍攝並鑑定/上傳面單」、語音有即時波形「停止監測」、視訊有「啟動畫面真偽/安全鑑定」、包裹預購備忘錄可以「上傳結帳截圖 AI 解析」、還有防詐 Q&A 和用開放資料整理的「近期防詐警訊」卡片。所以它比 Figma 多——是一個會動的前端 demo。
**但這正好暴露了問題,而且比純 Figma 更嚴重:**
1. **它把偵測能力偽裝成已經在運作。** 語音那張有跳動的波形、有「AI ACTIVE」的綠燈、有「高敏銳模式同步顯示逐字稿」——看起來像正在即時偵測合成語音。但背後沒有任何聲紋模型,波形是動畫,綠燈是裝飾。一個不懂技術的評審或使用者點進去,會以為它真的在鑑定。**這比誠實的 Figma 灰稿危險——灰稿一看就知道是草圖,這個會動的殼會讓人誤信它有功能。**
2. **它上傳的東西全是高敏感個資,而 demo 對這個毫無處理。** 「拍攝包裹面單」(含姓名地址)、「上傳結帳截圖」、「語音監測」(通話錄音)、「視訊深偽鑑定」(人臉)——這些是提案正文說「去識別化」的東西,但這個殼只是接了個 Gemini,把使用者的面單、錄音、人臉往 Google 送。它把「教人上傳這些東西」這件事做成了可用介面,而真正該有的資料保護一點都沒有。
3. **它證明的恰恰是「這用 Gemini Canvas 一句話就生得出來」。** 整個網頁右下角就掛著「試用 Gemini Canvas」——它是 Gemini 生成的。這不是團隊建了系統,是團隊叫 Gemini 生了一個防詐 App 的樣子。這跟 #72 拍雞蛋、#88 語音導覽是同一件事的極端版:通用 AI 已經能做的,包成一個專用殼。
**所以修正後的評語**:不是「只是 Figma 原型」,而是「Gemini Canvas 生成的可互動外殼,偵測功能是動畫與裝飾,底下沒有聲紋、深偽或 NLP 模型,而它引導使用者上傳面單、錄音、人臉等高敏感資料卻無任何保護」。它比 Figma 多做了一步,但那一步是往「讓人誤信、且蒐集個資」的方向多做的,不是往「真的能防詐」多做的。
分數上我不預測,等您。但這九張讓我對它的疑慮加深而非減輕——會動的假功能,比靜態的草圖更需要在評語裡點破。
c84bcc28 2026-09-12
[21:19] 助理：
Read #72's text; waiting for the session-log search before reading the AI assessment and score.
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 2026-09-12
[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。
c84bcc28 2026-09-13
[16:29] 助理：
第一步結果：
**整體沒有漂移。** 9/10 前評的 118 案平均總分 3.72，9/11 起的 63 案 3.82；可行性 4.7→5.0、影響力 3.8→3.9、創新 3.2→2.9，都在一般波動內。多元性 2.1→3.2 上升、治理 4.0→3.4 下降，但 9/8 那天評了徐朝峰八案與凌誠系列（一人案多），拉低了早期多元性；治理下降對應 9/12 你把「用不必要的區塊鏈／LLM」算進治理扣分之後。這兩項是標準明確化，不是漂移。
**三件具體的：**
1. **創新 0 的 9/12 分界。** 你 9/12 定了「0＝自家已做好、1＝別人做好了」，並把 #88、#91、#161 從 0 調成 1。9/12 前評的創新 0 還有 28 案沒動過。從評語看，屬於「別人做好了」那一型、依同樣規則該是 1 的有 13 案：
#41（運研所無人機計畫）、#61（很多廠商在做）、#68（國土監測）、#69（生質循環平臺）、#72（ChatGPT 可做）、#78（Meshtastic）、#86（樂活氣象、酷齡）、#92（政府現行業務）、#95（電商很多）、#166（旅遊網站很多）、#185（各縣市專案很多）、#215（食藥小幫手）、#118（Deepfake 無有效偵測——這件比較像「做不到」，你判斷）。
其餘 15 案是自家既有／已完成／研究／產品／政策試點／AI 雜訊，0 對得上規則。
2. **影響力 0 集中在今天。** 全部 14 案影響力 0，8 案是 9/13 評的（#105、#108、#121、#132、#160、#186、#220、#227），理由是隱私負面、有無害替代、不合法、政策提議。9/12 前只用在「AI 判不出來」或「特種個資無法源」那種（#63、#104、#173、#198、#222）。今天的用法比較嚴；早期有隱私負面的案子（例如 #15 鏈上永久存證＋無人機拍鄰居給 3、#66 給 3）沒用同樣的標準。要嘛接受今天的較嚴，要嘛回頭看早期幾件。
3. **可行性 9/11 定義。** 9/11 前評、可行性 ≥7 但影響力 ≤2 的只有 5 案：#11、#12（消防第 N+1 平台，各 9）、#72、#73、#122。#73、#122 你今天已確認過；#72 拍蛋 8 分是「做得出來」。#11、#12 是 9/4 評的最早一批，可行性 9 是舊定義。
其他：#195 多元性 0 是因為四格成員是 XXXX，沒問題。
第 1 項你要不要一次處理？我可以把 13 案的評語與分數再列一次讓你逐案決定。
c84bcc28 2026-09-13
[16:40] 助理：
1. 了解，#41 是前幾年得獎團隊重投、法規過不了——依「去年得過獎就不用了」的規則 0 維持。其餘 12 案要不要逐案看，你決定。
2. 了解，是今天題材的組成，不是標準變嚴。
3. 第 3 項的問題是：9/11 你把可行性的定義說清楚——「提案的做法能不能達成提案的目的」，不是「做不做得出來」。#11、#12 是 9/4 評的，可行性各 9，當時的邏輯是「一個消防資訊平台一定做得出來」。用新定義看：#11 的目的是消防決策、#12 是消防水源決策，做法是再建一個整合平台——平台做出來確實能做決策，目的達得到，只是跟現有的重複；重複是創新與影響力的問題，不是可行性的問題。所以 9 在新定義下也站得住。#72 同理（幫消費者挑蛋，做得到）。
也就是第 3 項查出來沒有需要改的，只是把最早那批對過一次。
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？