跳至主要內容
    NEW SERIES2026 Claude Code 學習指南：不會寫程式也能做出作品 →

    A PERSONAL JOURNAL OF AI, ENGINEERING & IDEAS

    技術、思考與實踐。

    Hi 大家好，我是 Sunny，一個斜槓工作者。白天在企業裡做 AI 產品開發與數據分析、累積技術經驗；其餘時間把做過的事、還沒想通的問題寫下來。這裡放的是我踩過的坑和累積的經驗，最後濃縮成一套筆記、作品和方法。

    讀文章 →看作品 →

    Sunny Data Science（桑尼資料科學）由 Sunny 經營，提供 AI 工程、資料科學與 AI 工作流的文章、線上課程、線下實戰營與企業內訓。

    近期專案

    每個專案都會保留一點開發脈絡：當時遇到什麼問題、為什麼選這個做法、哪裡卡住，最後又改成什麼樣子。

    View projects →
    24-hour AI Coding Workflow

    24-hour AI Coding Workflow

    BUILD LOG / 001 · CLAUDE CODE × CODEX × MULTI-DEVICE

    Problem
    開發環境綁在一台電腦上。離開座位，正在跑的任務就停；換一台機器，環境又要重設一次。
    System
    Git worktree 隔離任務；每個 Agent 一條分支；手機派任務、回到電腦驗收；CI 跑型別、測試與預覽部署。
    Outcome
    一天多出兩段原本浪費掉的開發時間；大型重構可以拆成幾條平行的 Agent 任務，由人做最後的合併判斷。
    AI Writing System

    AI Writing System

    BUILD LOG / 002 · HUMAN JUDGMENT × RETRIEVAL

    Problem
    用 AI 寫東西很快，但寫出來的句子常常不是自己會說的話，引用也查不回來源。
    System
    來源庫加上檢索；每一段草稿都帶著引用位置；修改用 diff 看，不整篇重生。
    Outcome
    一篇長文從三天縮到一天內，而且每一句都能回到原始來源。這個網站上的文章多數用這套流程寫。
    Industrial Vision AI

    Industrial Vision AI

    BUILD LOG / 003 · TRAINING / INFERENCE / DEPLOYMENT

    Problem
    模型在實驗室的準確率很好，到了產線就不穩。光線、鏡頭、產品批次一變，結果就跟著變。
    System
    資料版本化；推論服務在邊緣裝置上跑；現場誤判樣本自動回收成下一輪訓練資料。
    Outcome
    從一個只能展示的 Demo，變成可以在現場持續運作、持續修正的系統。細節因保密不公開，這裡只保留架構與方法。

    最近寫的

    View all writing →
    Adam Hunt 指 AI 能力越來越不平均，Anthropic 與 Chollet 各怎麼看

    新知與拆解AI & Work

    Adam Hunt 指 AI 能力越來越不平均，Anthropic 與 Chollet 各怎麼看

    劍橋大學研究者 Adam Hunt 說模型的程式和數學變強、語言變弱。前 OpenAI 的 Andrew Ho、Anthropic 的 Jackson Kernion、François Chollet 各自怎麼看，附立場總覽表與可以自己動手的做法。

    2026.10.23 · 17 MIN READ

    權重放哪裡，決定 AI 晶片擅長什麼

    新知與拆解·AI Engineering

    權重放哪裡，決定 AI 晶片擅長什麼

    20 MIN READ

    Token 折扣仍綁在等待時間上

    新知與拆解·AI Engineering

    Token 折扣仍綁在等待時間上

    18 MIN READ

    AI 搜尋講座談了十多項技術，本站挑 12 項分四級排先後

    新知與拆解·AI Engineering

    AI 搜尋講座談了十多項技術，本站挑 12 項分四級排先後

    24 MIN READ

    更多近期文章

    AI-enabled、AI First、AI Native 沒有共同定義，12 家機構指的是三個不同的層

    新知與拆解·AI & Work· 2026.10.23

    AI-enabled、AI First、AI Native 沒有共同定義，12 家機構指的是三個不同的層

    新知與拆解·AI Engineering· 2026.10.23

    Eval 能自動化多少，取決於你寫下了多少標準

    Shreya Shankar 在演講裡點出 Eval 自動化的三個常見錯誤：叫 coding agent 直接評估整個 app、只看一遍資料、所有應用共用同一個準確度標準。這篇整理各自的表現、原因與修正，再對照 Hamel Husain 團隊用 100 筆真實 trace 做的實測。

    29 MIN READ

    Hex 工程師 Izzy Miller 刻意在儀表板埋入錯誤，資料 Agent 看到超過 900% 的達成率，仍說是最好的一季。這篇從他的 LangChain《Max Agency》訪談整理六個驗證做法，對照 Hex 官方文件與主持人 Harrison Chase 的回應。

    新知與拆解·Data Science· 2026.10.23

    資料 Agent 算錯了誰會發現？Hex 的 6 個驗證做法

    我常寫的幾個方向

    AI 工程、Agent、產品、資料和工作方法，這些題目在實際專案裡常常會碰在一起。文章先按主題整理，方便讀者找到入口。

    這些主題怎麼連在一起

    我寫的東西看起來有點散。一個工具改變了開發方式，接著會影響產品怎麼設計、團隊怎麼合作，最後又回到人怎麼做判斷。這張圖用來整理它們之間的關係。

    課程與工作坊

    這些課程大多是職場上做過的專案改編而來，內容可以說是經驗血淚的點滴，全部來自業界的標準，桑尼只帶給大家有用且實用的課程，一個不會隨工具改變而過時的乾貨。

    看課程 →先領免費 Starter Kit →
    木工桌上的半成品結構

    FLAGSHIP 線下實戰營

    AI Native Builder Program

    給已經在使用 AI，希望再往實作走一步的人。課程會帶著你把一個題目做成可操作的 prototype，過程會碰到 AI coding、Agent、產品設計與交付。

    企業合作

    企業內訓，我比較在意課後能不能真的用上。通常會先看團隊現在的工作流程和卡點，再決定內容要講什麼、練什麼。

    談企業合作 →

    • AI Strategy Workshop

      AI 導入工作坊

      先盤點流程和痛點，再選適合投入的題目。

    • Agentic Development

      AI Coding / Agent 開發

      讓開發團隊實際走一遍規劃、實作、review 與交付。

    • AI Engineering

      AI 工程訓練

      依團隊需求安排資料、模型、推論與部署主題。

    • Custom Training

      客製課程

      用你們的角色與工作情境重做案例和練習。

    關於我

    我擅長把混亂的需求理清，做出能進入真實工作場景的 AI 系統與產品。

    從半導體現場、企業數據轉型，到新創產品與 AI 架構工作，我一路練習把模糊的問題整理成可執行的方案。

    現在我把研究、工程和產品實踐整理成方法，透過文章、課程與陪伴，幫助更多人練出自己的判斷力。

    關於我 →

    Electrical Engineering / Data Science / AI Engineering / Product / Teaching

    Sunny 的人像