關於我

我是林承翰，來自台中，獨立開發過三個上線的產品。

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：

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。 訂閱制的定期定額扣款，以及法定電子發票開立（ECPay，台灣的電子發票系統）。

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。工程能力的差別，主要顯現在能不能把這些取捨講清楚。

HeartBox 案例研究就是照這個標準寫的。