ENGINEERING PATH

工程經歷

我的實務路徑串起文件智能、混合檢索、Agent 協作狀態機與平台治理;每項經歷皆可連結至公開案例或架構專文查驗。

  1. 企業知識問答與 Agentic RAG 管線

    設計 LangGraph 狀態機、Rule-first 確定性路由、BM25 + ChromaDB 混合檢索與答案自我評估迴圈,建立 100 題 benchmark 達成 98.0% 加權準確率收斂。

    查看 Agentic RAG 案例 →
  2. 醫療收據端對端 OCR 與結構化管線

    主導醫療收據 OCR 系統:結合 UVDoc 影像校正、YOLOv7 兩階段版面與表格偵測、PaddleOCR 與 HospitalPipeline,將 5 所以上醫院收據正規化為統一 JSON contract。

    查看收據 OCR API 專案 →
  3. 金融級生成式 AI 平台架構與治理

    專注金融雲原生 AI Runtime、MCP 工具標準化治理、多代理協作架構與上線交接契約,梳理企業從 PoC 到可營運 Agentic Operating System 的工程路徑。

    閱讀金融 AI 平台工程架構解析 →

PUBLIC SESSIONS

代表演講

每場分享都連回可查驗的專案實作、系統成果、基準測試或架構專文。

  1. COSCUP

    GenAI Workflow:打造智能化技術趨勢洞察系統

    以開源資料管線、GenAI 工作流與互動式視覺化,持續追蹤並拆解技術趨勢。

    聽眾收穫: 了解如何串接開源資料管線與 GenAI 工作流,將分散的技術資訊整理為互動式趨勢分析。

  2. iThome 臺灣雲端大會

    金融業生成式 AI 平台工程:以雲端原生架構打造可擴展的 Agentic AI 中樞

    從 Platform Engineering、MCP、多代理基礎設施、即時推論到金融雲治理的完整架構實務。

    聽眾收穫: 掌握雲端原生 AI Runtime 三層架構、MCP 工具治理與金融雲落地必備的三條生死線。

  3. iThome AI Enterprise Summit

    金融級 Enterprise Agentic AI 架構設計:從 PoC 到 Agentic Operating System

    拆解 Agentic RAG、多代理協作、自我驗證與 LLM as a Judge,建立高風險場景可採用的 AI 系統。

    聽眾收穫: 獲得高風險業務場景下 Agentic RAG、多代理協作、自我驗證與 LLM as a Judge 的可落地治理框架。

SPEAKING TOPICS

可以分享的主題

針對技術主管、AI 架構師與工程團隊設計的結構化主題。

  1. 從 Agent Demo 到 Agent System

    協作架構、工具、記憶、評測、可觀測性、權限與安全邊界。

    適合對象: 技術主管、AI 架構師、資深後端工程師

    聽眾收穫: 從不可控的 Agent Demo 邁向可維運、可追蹤系統的架構模式與評測框架。

  2. 超越基礎檢索的 Enterprise RAG

    知識架構、混合檢索(Vector + BM25 + RRF)、上下文驗證與自我重試迴圈。

    適合對象: 正在落地企業知識庫、處理異質非結構化文件問答的技術團隊

    聽眾收穫: 解決同義詞、專業術語、表格結構與幻覺控制的工程化檢索管線設計。

  3. 金融級 AI 平台工程與治理契約

    雲端原生 AI Runtime、MCP 工具標準化治理、LLM as a Judge 與上線交接契約。

    適合對象: 面臨合規監管、高風險業務場景的決策者與平台架構師

    聽眾收穫: 金融 AI 落地必備的三條生死線、稽核軌跡設計與上線前控制面契約。

SPEAKER KIT

講者資料與活動素材

提供活動主辦方直接選取或下載的長短簡介、活動照片與投影片連結。

短簡介(適合活動手冊、議程簡介與社群發文)

Justin 是 AI Platform 與 Agentic AI 工程師,專注於將前沿 AI 技術轉化為可運行、可量測且具備安全邊界的企業級系統。在 Agent 狀態機、Enterprise RAG、MCP 工具治理與評測回歸具備第一線交付經驗。

完整簡介(適合主持人開場與講者介紹頁)

Justin 是 AI Platform 與 Agentic AI 工程師,經營技術研究出版站點 Bloss0m。他的工程實踐涵蓋文件智能、混合檢索、Agent 協作狀態機、評測框架與金融級平台治理。他主導過醫療收據 OCR 結構化管線、基於 LangGraph 的受控 Agentic RAG 系統(加權準確率 98.0%),並持續探討從 PoC 到 Agentic Operating System 的平台工程路徑。在分享中,他重視架構取捨、真實失敗案例與可驗證的工程證據,協助團隊建立可維運、可觀測的 AI 系統。
下載講者照片 (WebP) 照片署名:Justin (Bloss0m)

EDITORIAL METHOD

編輯與研究方法

Bloss0m 是工程實作型出版:AI 可以協助整理流程,但證據、判讀與最終發布決策由作者負責。

  1. 優先使用一手證據

    技術主張盡可能回到論文、官方文件、規格、程式碼倉庫或第一方公告。

  2. 重視綜合判讀,而非來源摘要

    每篇文章必須在來源之外補上架構、取捨、限制、實驗或可採取的工程決策。

  3. 透明揭露 AI 協作

    AI 可協助研究整理、草稿、雙語在地化與視覺發想;重要主張、連結、雙語一致性與最終判斷由作者確認。

  4. 把技術文章視為持續維護的筆記

    實質修正與重新驗證會更新修改日期;長青指南以主題入口持續維護,不用換日期製造新鮮感。

CONTACT

邀請時可以提供

若方便,請附上聽眾、主題、形式、地點或線上方式與預計日期。歡迎研討會、企業內部技術分享、Podcast 與架構交流。

演講 · 交流

把前沿 AI 講清楚,也把工程現場帶進討論

演講邀請或技術交流,可以直接透過 Email 或 LinkedIn 說明需求。

寄出演講邀請