關於

我是林承翰，來自台中的全端工程師。

2026 年 6 月自國立勤益科技大學資訊工程系畢業，同年 9 月起就讀該校資訊工程研究所碩士班。

我做的是什麼

我的工作集中在一個問題上：怎麼把大型語言模型變成可以信任的產品。

模型本身現在很容易取得，難的是它周圍的東西 —— 怎麼確保它不會編造內容、 怎麼在資料敏感時不把資料交出去、怎麼在只有幾百筆資料的情況下還能做出有用的預測、 以及當它出錯時系統會怎麼反應。

具體來說，我做過：

• 檢索增強生成（RAG） —— 用 BGE-M3 embeddings 與 ChromaDB 建立向量檢索， 讓模型的輸出必須引用來源，而不是自由發揮。
• 自架模型推論 —— 把開放權重模型架在自己的 GPU 服務上，透過 FastAPI 對外， 讓高敏感資料不必離開可控環境。
• 機器學習預測 —— 特徵工程、模型選型與交叉驗證，並在可解釋性、 推論成本與過擬合風險之間做取捨。
• 後端與基礎建設 —— Django REST Framework、PostgreSQL、Cloud Run、 Cloudflare，以及行動端打包。
• 金流與法遵 —— 完整的訂閱計費流程，含法定電子發票開立（ECPay，台灣）。

我在意的事

比起「用了什麼技術」，我更在意為什麼那樣選。

每個技術決策都有代價：選了 Random Forest 就放棄了序列模型可能捕捉到的時間結構、 把 recall 調高就要接受更多誤報、自己架模型就要自己承擔維運。 我認為工程能力的差別，主要顯現在能不能把這些取捨講清楚。

這個網站上的 HeartBox 案例研究就是照這個標準寫的。

聯絡

• Email：alan930604@gmail.com
• GitHub：alanlin0604
• LinkedIn：chenghanlin-tw