關於我
我不是只把技術當成課堂內容，而是會把伺服器、AI、網站、感測器、機器人與課程實作串起來，嘗試做成能被操作、能被驗證、能繼續擴充的系統。
學習方向
主要方向包含智慧製造、AI 輔助決策、RAG 知識檢索、板金排版最佳化、自動化資料流程與本地 AI 系統部署。專題上重視「資料如何保存、模型如何取得正確資訊、使用者如何操作系統」三個層面。
實作特質
偏好從問題拆解開始，先建立可執行流程，再逐步補強演算法、資料庫、介面與部署細節。面對不熟悉的工具時，會先做最小可行測試，再把經驗整理成可重複使用的架構。
專題與系統實作
以下整理目前較具代表性的專題、系統與工程實作，涵蓋智慧製造、AI 輔助決策、網站部署與自動化整合。
AI 板金切割排版優化系統
以板金零件排版與餘料再利用為主題，規劃 Python FastAPI 後端、Node-RED 操作介面、SQLite 知識與紀錄資料庫，並整合 RAG 檢索與演算法策略建議。
事件警報與分層知識檢索
探索以狀態導向檢索、SOP / Manual 分層知識與結構化行動建議，讓警報系統不只回覆相關文件，而是能依狀態、嚴重程度與發展趨勢提供處理方向。
WordPress 靜態網站部署
使用 Linux Server、Docker Compose、MariaDB、Nginx、Cloudflare DDNS 與 Certbot，完成兩套 WordPress / 靜態網站環境，並以不同子網域分流部署。
本地 AI 與工具中樞架構
規劃 Linux Server 作為常駐控制與 Gateway，筆電作為 Ollama 推理節點，並研究 OpenClaw、Discord Bot 與本地模型串接，建立可擴充的本地 AI 工具環境。
Node-RED 與物聯網整合
使用 Node-RED 建立操作面板與資料流程，串接 MQTT、Home Assistant、感測資料與後端 API，將硬體訊號、狀態監控與使用者介面整合成可操作流程。
機器學習應用原型
曾嘗試以表格資料建立板金折彎回彈角度預測、齒輪故障檢測、影像檢測與製造品質相關應用，重視資料欄位設計、模型推論流程與結果解釋。
系統部署與伺服器經驗
除了單純寫程式，也持續實作 Linux Server、Docker、反向代理、SSL 憑證、內網服務與自動化監控，累積從開發到部署的完整流程經驗。
Linux Server / Homelab
- Ubuntu Server 環境維護與服務部署。
- Docker / Docker Compose 管理多個服務。
- Nginx 反向代理、HTTPS、Certbot 自動續期。
- Cloudflare DDNS、Port Forwarding 與網域分流。
- Home Assistant、Uptime Kuma、Netdata、Node-RED 等服務規劃。
虛擬化與本地 AI 節點
- KVM / libvirt 建立虛擬機環境。
- OpenClaw VM 作為工具中樞測試環境。
- 筆電以 Ollama 提供本地模型推理能力。
- 規劃多機架構：伺服器負責常駐服務，推理節點負責 AI 算力。
AI 應用與知識系統
AI 相關實作並不只停在聊天模型，而是思考如何讓模型取得正確資料、如何控制輸出格式，以及如何把 AI 放進實際系統流程。
RAG 決策支援
將歷史案例、演算法特性、參數經驗與操作限制分層整理，讓模型負責策略推理與說明，實際執行則交由驗證器與演算法模組處理。
基因膠囊概念
參考技能封裝概念，把經驗、參數範圍、成功條件與失敗限制整理成可檢索、可重用的知識單元，讓系統逐步累積實務判斷能力。
本地 AI 夥伴系統
長期規劃本地 AI 系統，將語言互動、情緒模組、RAG 知識層、向量資料庫、技能系統與多模組工具調用分開設計，保留未來擴充空間。
教學與課程協助
曾協助規劃 APCS / Python 課程內容，重視將程式概念拆成學生能理解的步驟，並以題目練習建立邏輯與實作能力。
APCS Python 課程
協助設計高中生 Python 教學內容，主題包含條件判斷、迴圈、串列、字串處理、輸入解析與 ZeroJudge 題型練習，並將題目分級以利學生循序練習。
AI 工具與實作素養
在課程與專題中強調 AI 產出需要人工檢查、資料來源需要整理、模型結果需要驗證，培養正確使用 AI 工具的判斷能力。
證照、競賽與成果交流
以證照、競賽與專題成果交流累積基礎能力，並將工程設計、自動化、AI 與系統開發逐步整合。
SolidWorks CSWP 原廠認證
取得 SolidWorks Professional 能力認證，作為機械設計與建模能力的基礎。
自動化與機器人相關證照
具備 CNC、自動化工程師、機器人工程師等相關能力背景，支撐智慧製造與機電整合方向的學習。
iPAS AI 應用規劃工程師
具備 AI 應用規劃基礎，能從問題定義、資料需求、模型選擇、風險與效益等角度思考 AI 專案。
研討會與專題交流
參與智慧製造、AI 應用與工程實作相關成果交流，並持續將課堂、專題與實務部署經驗整理成可展示成果。
技能整理
技能組合以「能做出系統」為主，包含程式、AI、伺服器、資料庫、自動化流程、機電整合與教學表達。
程式與後端
AI 與資料
伺服器與部署
自動化整合
機電與硬體
社群與工具開發
聯絡方式
歡迎針對 AI 應用、智慧製造、自動化整合、網站部署與學生專題合作進行交流。
xziq259@gmail.com
GitHub
github.com/Magicdanceing
Website
wp.xiaoziqi.com