【專案發包】既有資料庫網頁重構與 LLM AI 功能串接（接受 Low-Code）

需求說明

本專案旨在為現有的企業內部人力資源管理與智能撮合系統進行技術重構與 AI 功能升級。 我們將完全捨棄舊有的網頁前後端程式碼（無須進行程式碼考古），但必須完整保留並沿用現有的 SQL 資料庫。 為追求開發效率與降低中長期維護成本，本專案強烈建議且鼓勵使用低代碼平台（如 Retool 等）進行快速網頁介面重構，讓開發工時集中於後端 AI 邏輯與向量資料庫的串接。 🛠️ 技術棧要求 (Tech Stack) 資料庫 (Database)： 沿用現有 SQL 資料庫（如 MySQL / PostgreSQL），新系統需直接連線並對齊既有欄位 (Schema Matching)，不得破壞歷史資料。 開發語言 (Languages)： 建議使用 Node.js (TypeScript/JavaScript) 或 Python。 前端介面 (Frontend)： 優先接受 Retool（或由工程師評估最快、最不易產生技術債的現代網頁框架，如 Next.js）。 AI 與向量技術 (AI & Vector)： 串接 OpenAI / Google Gemini API。媒合功能需搭配向量技術，接受外掛向量資料庫（如 pgvector、Pinecone 或 Chroma）。 📋 核心開發需求清單 (Features) 第一階段：基礎畫面重構與資料庫串接 資料庫連線與對齊： 讀取舊 SQL 資料庫，確保歷史累積的「需求項目」、「人才名冊」與「文件檔案」完美讀取。 管理流程看板重構： * 人才/需求主列表（具備基礎關鍵字搜尋、標籤篩選功能）。 進度管線（Pipeline）看板（支援拖拉功能，用以改變人才與需求對接的各個狀態階段）。 基礎權限控管（管理員與一般使用者之讀寫限制）。 第二階段：AI 功能整合 AI 長文本結構化摘要 (Summary Generation) 上傳 PDF/Word 檔案或輸入長篇需求敘述後，背景呼叫 LLM API，自動產生結構化的 300 字摘要（如核心技術、年資等），並利用 Structured Outputs (結構化輸出 JSON) 寫入資料庫並呈現在網頁上。 AI 自動標籤與分類 (Entity Tagging) AI 自動識別文本內容並貼上標準化標籤（例如：[產業: 醫療IC]、[年資: 5年]），以便於前端進行多條件精準過濾。 AI 語意自動推薦與撮合 (Semantic Matchmaking) 當建立新需求項目時，系統能自動比對人才庫，由高到低推薦最適合的人選並給出媒合比率。 技術實現： 需將文字進行 Embedding (向量化) 處理，存入向量資料庫，以語意距離進行匹配。 資安合規： 資料送往公有雲 API 前，後端需做去識別化（遮蔽姓名、聯絡方式等隱私欄位）。 📝 投標工程師請提供： 過去是否有「接手既有 SQL 資料庫重構網頁」之經驗？ 請簡述您過去開發過哪些 LLM API 串接，或向量資料庫（如 pgvector / Pinecone）的實作案例？ 若時程預估 1.5 到 2 個月，使用 Low-Code (Retool) 與傳統硬刻 (Next.js) 的報價與工時落點各是多少？