開發者自述

高中念資料處理、大學念資管，我回想過去和一位夥伴曾在車上暢聊，覺得 AI 不可能這麼厲害，現在無論過去我的背景，還是獲得過的獎項，放到現在幾乎都已經 過時了。

我對應用軟體的嘗試和學習熱情一直都很高，陸續在 2022 年開始學習最基礎的 bert 和大數據分析等等，但在那時候 AI 都還只是一個被過度包裝而華而不實的代名詞，但它的 崛起速度與發展 甚至讓我幾乎每個月都在學習新的東西。

AI 課程? AI 顧問? 當一種新技術快到一個月就出現新突破時，本質上 "履歷" 已經無法向多數公司描述自己的價值。

在 AI 時代下，你的公司不應該買軟體，而是找一位能做任何軟體、魔改軟體的 AI 應用人才，這個時代的工業 5.0 發展的劇變太快了，我們活在一個資訊飛速的時代裡，但轉眼間，一種你從未能想像的新一代競爭者都會是使用 AI 這類型的公司。無論他是否真的創新，能使用 AI 本身就是一種 產能數十倍提升。

OceanRAG 的概念其實很多主流 AI 應用廠商都已經導入，但這種專案特點在於 純地端、輕量、開源萬用、彈性高 等等，最推薦的方式是買一台最新升級版的 Mac Mini（約兩萬台幣起），你就有一位 24 小時的員工坐在公司發揮不少的能力。v0.6 已完成六子系統重構 (S1-S6)，包含 CRAG 三級路由、Source Grounding 來源溯源、SWIP 語意增強等核心功能。

RAG 或許再過幾個月就不是什麼新技術，各家廠商持續推出更強的 embedding 模型，圖片轉換 在 OceanRAG 也能做。v0.6 已通過 1,903 項測試、97% 覆蓋率，幾乎可以證明，單人去模擬那些大公司把工具做出來的路徑是 完全可行且瘋狂的。

過程很有趣，也很有挑戰，vibe code 很大程度縮短了這些能力路徑，但也很吃架構設計跟底子。

最後或許你聽過 OpenClaw，它出圈的速度很快，但也被過度行銷和包裝，實際上是一種幾乎沒有煞車設定的野馬，外行人忽略模型智性、駭客問題，造成不少損失。OceanRAG 設置 多層權限，未來將加入 MCP 伺服器與技能系統，讓 AI 在受控範圍內執行更多任務。我相信在給我多一點時間，確實可以用比大公司更小的資源造出更有趣的功能。

關於台灣 AI 模型的問題，為了追求運行 零成本，每一個環節的模型都是開源可商用，但台灣並沒有這樣的開源模型在企業 RAG 系統中可使用。台灣目前將資源都投入走專精模型這條路徑是正確的，畢竟規模和資源都很有限，這項專案你需要知道一個不可避免的接受使用來自中國的AI模型

關於我推薦的 AI 模型都是來自中國的 北京人工智能研究所（BAAI）：語料華語、模型領先、蒸餾技術、模型夠小，重點是 開源可商用，不必害怕資料被偷走，因為模型本身是不存在連網能力的。

文化差異問題，我採用 OpenCC 去做語料轉換、中繼站等等的方式處理，精度、輸出文法損失非常小，也符合台灣用語和輸出結果。