[外包接案使用調查]
我要接案
找專家
找服務
熱門外包
專家方案
立即登入
>
張仲佑(John)
免費諮詢
資訊系統整合建置
AI 智能訂單系統——用 LINE 叫貨的批發業訂單管理平台 【專案背景】 批發業(以生鮮食材為例)的客人習慣用 LINE 傳訊息叫貨:有人打字、有人拍手寫單,品名還常用各地口語叫法。老闆與員工每天要逐筆抄單、核對品項、打電話確認,再手動秤重、開單、對帳,費時又容易出錯。這個系統把「接單到收款」整條流程數位化,客人仍用熟悉的 LINE,不必安裝新 App,也不用學新操作;產品化設計,可提供給食材批發、餐飲供應等同類業者使用。 【我做了什麼】 LINE 智慧叫貨:客人傳文字或手寫單照片,系統用 AI 解析品項、數量與單位,整理成訂單確認卡,客人按下確認才成立。對不到商品的品項不會被拒絕,而是標為「待確認」交由老闆決定;客人的口語別名可以學起來,下次直接命中。遇到系統無法處理的需求,會先說明,再詢問是否轉真人。 後台作業:訂單審核、依品項或依客戶秤重(台斤與兩分格輸入、自動換算)、出貨單,以及撿貨單、配送清單、貼紙等內部單據列印;缺貨或異動時主動通知客人並建議替代品。 價格與帳務:多版本報價、客戶等級與專屬價、集團與分店帳款、退貨折讓、對帳單,以及業務分潤的月結試算。 權限與安全:老闆與經理權限分離,重要操作留有稽核紀錄;永久刪除商品、刪除舊報價單等不可逆動作限老闆,並需二次確認;可一鍵匯出完整資料備份。 【技術與設計重點】 以 Next.js 與 TypeScript 開發,資料層使用 PostgreSQL 與 Prisma(資料以租戶為單位隔離,為服務多家業者而設計),串接 LINE Messaging API,AI 解析採用大型語言模型。訂單與出貨以狀態機管理,避免不合法的狀態跳轉。AI 部分特別加上護欄:AI 只能「提出」訂單,不能擅自成立、拒單或承諾價格;追加品項時有防加倍檢查,避免數量被重複累加;另設月預算上限,額度用完時仍有備援回覆,規則流程照常運作。系統以 Docker 部署在 VPS,部署腳本會先備份資料庫、檢查遷移、型別與健康狀態;並搭配單元測試與資料庫整合測試。 【成果與反思】 系統已實際上線,客人每天透過 LINE 叫貨,後台每日處理數十張訂單。開發過程以真實客人的對話與回饋持續調整,例如手寫單辨識、截單前列印出貨單、集團帳款顯示各店,都來自現場需求。這讓我體會到:AI 適合負責「理解」,決定權與風險控管仍要留給人。
ai 動畫製作
替製造業客戶開發的後台管理系統,前端、後端、AI 整合一個人從零做到上線。系統涵蓋品質檢驗紀錄、生產追蹤、倉儲庫存、客戶規格符合性檢查、報告自動生成等模組。 核心挑戰在於把產線上的紀錄需求拆解成清晰的資料模型,並讓現場人員能用最少的點擊完成日常作業;AI 助手則負責把累積的紀錄變成可查詢的知識,減輕主管整理報表的負擔。 在管理系統上加掛一個基於 RAG 的領域知識問答助手。使用者可以自然語問「某設備異常的原因」、「如何判斷某現象是哪個工序造成」,助手會根據業主提供的內部技術文件,產出帶有引用來源的結構化回答。 重點在於回覆的可驗證性——不是讓 LLM 自由發揮,而是讓每一個結論都對得上一份原始文件。同樣的架構可平移到任何「有大量內部文件、需要快速查詢」的場域。
【專案背景】 傳統營造/裝修業的估價高度仰賴資深師傅的經驗,新人難以快速上手;報價時也常因漏報工項、單價偏離行情,造成利潤流失或事後客訴。本專案將公司既有的歷史報價資料轉化為 AI 可運用的知識庫,讓估價流程標準化、即時化,把老師傅的經驗「留在系統裡」。 【系統功能】 RAG 歷史報價檢索:串接公司 5 年歷史報價資料庫,依品項自動撈取相似案件的歷史單價與廠商資訊,作為定價依據。 現場回報智慧解析:支援現場/LINE 文字回報,並可整合照片 OCR 萃取品項,將非結構化的回報訊息轉為結構化估價清單。 AI 單價合理性評估:自動計算各品項建議單價,與歷史平均比對並標示「偏高/合理/偏低」,附上判斷理由,協助快速複核。 漏報項目偵測:依案件描述主動找出常被遺漏的項目(如安全網、清運費用、批土打磨),降低報價缺漏風險。 施工盲點與風險提醒:針對高空作業、防水等高風險工項,主動提出安全與成本面提醒。 【成果價值】 將原本需要數小時的人工估價縮短至數秒,並透過 AI 雙重把關,降低漏報與報價失準的機率;同時協助企業沉澱資深人員的經驗、加速新人上手,提升整體報價效率與一致性。