[外包接案使用調查]
公告 如何發案 如何接案 幫助中心AI 系統開發
作品案例:企業級 AI 平台 × 多智能體自主開發/營運系統 專案定位 我獨立設計並實作了一套企業內部 AI 平台——核心是「公司自有的 ChatGPT」,但真正的價值在於它背後的多智能體(multi-agent)自主管線:能把「一句需求」自動走完「開發 → 程式碼審查 → 合併 → 品質驗收 → 部署 → 知識歸檔」的完整流程,並在每個高風險節點保留人類把關。 系統做什麼 - 對話式 AI 助理平台:訊息佇列為核心,以多台 Claude 工作節點作為解析引擎,支援即時串流回覆、附件解析、文件庫檢索(RAG)、自動打標與跨對話記憶壓縮。 - 對話式開發(Dev Chat):主管在聊天介面描述需求,AI 諮詢代理以「決策卡片」逐步釐清方案與驗收標準,確認後自動派工給開發代理撰寫程式、開啟 Pull Request,再由審查代理自動 code review,通過即自動合併並派出 QA 代理逐條驗收,最後把整個開發歷程歸檔進知識庫供日後檢索。 - 個人 AI 參謀長(Nova):整合專案進度、排程提醒、Google 行事曆、週目標、人脈管理於單一指揮中心,能主動巡查專案、到期提醒、每日早報彙整,成為經營者的數位幕僚。 技術架構 - 後端:Go(Clean Architecture/六角分層),MongoDB 佇列與資料層,WebSocket 即時推播,OpenTelemetry 可觀測性。 - 前端:Vue 3 + TypeScript(聊天前台、管理後台、指揮中心)。 - 基礎設施:Kubernetes(k3s)+ ArgoCD GitOps 自動部署,多環境(stage/prod)隔離,容器化 CI/CD,自架搜尋與轉檔服務。 - AI 編排:以「狀態機為圖、佇列為引擎」的自研編排,多角色代理(業務/PM/開發/QA/SRE/諮詢)各司其職,避免過度依賴重型框架。 幾個代表性的工程難題與解法 1. 安全與信任邊界:多代理系統最大的風險是 prompt injection。我建立了三層防線——主控協調層永不接觸任務內文、執行層以工具白名單約束、伺服器端以能力標籤與角色閘做最終授權,並針對「可寫檔/可部署」的高權限代理設計沙箱與稽核。每次涉及安全閘的變更都經過對抗性安全審查,實際攔下過「代理自助取得高權限」等真實漏洞。 2. 人機協作的把關設計:AI 可以自主推進,但合併、正式環境部署、對外發佈等不可逆動作一律保留人類核可,並讓核可綁定「被審查的那次變更」以防偷換。 3. 系統健壯性:針對大型語言模型偶發的「產出答案卻漏送」等行為,設計了偵測、即時重試加強提醒、與友善兜底回覆的自動復原機制,確保使用者不會空等。 我能承接的服務 Go/Vue 全端開發、AI 應用與多智能體系統設計、LLM 工具整合(RAG、Function Calling、MCP)、Kubernetes/GitOps 部署與 DevOps、以及既有系統的 AI 能力導入與架構顧問。從需求釐清、架構設計、實作到上線維運,我具備獨立完成整條鏈路的經驗。
自建Chat
開發對話
看板
Vinson