作品分為兩部分：職場專案是我在金融科技公司擔任資深專員（軟體 PM）時負責的系統功能；個人專案則是我運用 AI 工具獨立打造的產品。每個案例都整理了問題、做法、介面示意與我的收穫。
2026 年在金融科技公司擔任資深專員、負責 APP 開發部門軟體 PM 工作時經手的功能。以下介面皆為重新繪製的示意圖，已去除所有公司內部資料、案件與客戶資訊。
問題：數位進件需要客戶錄影，若錄影不符規範，案件就會被審查單位退回待補。過去只能請客戶重新進件，流程長、客戶也得從頭來過。
我的做法：規劃「客戶自主補錄影」新流程：業務在 APP 上對待補案件發送補錄影連結，客戶點開後完成 OTP 身分驗證 → 檢視合約與補件說明 → 上傳影片，結果自動回寫到案件歷程。
統計一段期間內因錄影問題被退回的案件，逐案檢視退件原因，評估補錄影實際能幫助多少案件，作為規劃依據。
畫出審查、業務 APP、客戶端三方動線，讓 RD 與業務端對流程有一致理解。
整理例外情境（例如同時需要補保人與補錄影），逐項與業務端討論並記錄決議。
新功能開發前先用實際案件做效益評估，能讓討論聚焦在「值不值得做、做了能解決多少問題」。把各方動線畫在同一張圖上，也讓跨部門會議更快達成共識。
問題：業務在 APP 送出數位進件後，客戶尚未填完資料的案件會留在「暫存區」。原本只顯示通路商、商品、金額與訂單編號，業務很難分辨哪一筆是哪位客戶。
我的做法：在進件畫面新增非必填的「客戶姓名備註」（上限 20 字），只顯示在暫存區供業務識別，不寫入核心系統、也不帶入客戶填寫欄位，避免輸入錯誤影響後續作業；同時把訂單編號改為送出時間，更容易對照。
小改動也要想清楚資料的邊界：備註只用於識別、不進核心系統，既解決業務的痛點，也避免新欄位帶來資料錯誤的風險。
問題：客戶想提前結清分期時，無法在 APP 上自行查詢結清金額與匯款方式。
我的做法：在 APP 繳款頁新增「結清查詢」分頁，讓客戶自行選擇合約與結清日期、即時試算金額，並依匯款方式（單筆／分次）與案件類型，提供對應的收款帳戶。每次試算都回寫到系統留存紀錄。
| 項目 | 規則 |
|---|---|
| 合約篩選 | 排除已結清、已退購、呆帳、逾期等不適用的合約 |
| 可選日期 | 最早為今日、最晚為下一次應繳日；例假日不可選 |
| 時間限制 | 配合銀行入帳時間，當日超過截止時間後改為下一個可選日 |
| 查詢次數 | 每日上限 5 次，每次試算紀錄回寫系統 |
| 帳戶分流 | 依單筆／多筆匯款與特定案件類型，提供不同收款帳戶 |
金融功能的難度在於例外情境：時間截止、假日、案件類型、匯款上限都會影響結果。把每條規則寫清楚、標在原型上，並記錄每次會議的決議，是讓開發與驗收不出錯的關鍵。
以 Claude Code 等 AI 工具為開發夥伴，從構想、規劃、架構到開發都由我獨立完成；這些是我接觸 Claude Code 不到兩個月內的成果。
問題：想打造一個能「主動關心、即時回應、並持續陪伴」的對話式助理，而不只是被動等指令的機器人。
我的做法：以 LINE 為載體，設計一套結合語意回應、情緒分類、主動推播與輕量小程式的對話體驗；用 Cloudflare 的無伺服器架構讓它低成本、全天候運作，並用 AI 工具協助我完成開發與部署。
辨識 20+ 種情境關鍵字，對應不同回覆與動作。
將訊息分為 4 類情緒情境，給出對應的安撫式回應。
5 組 Cron 定時任務，讓助理「主動關心」而非被動等待。
內嵌 9 個功能子頁，把複雜互動收進輕量小程式。
集點、成就、優惠券機制，提升回訪與黏著度。
同一套架構複用、部署第二個帳號，並做到環境完全隔離。
好的對話產品關鍵不在「能回答多少問題」，而在主動性與情緒體驗。把「被動等指令」翻轉成「主動關心」，是留存的分水嶺。同時我也驗證了：不會寫 code 的人，只要懂產品、會用 AI 工具，一樣能把完整系統 ship 上線。
問題：多分店的零售 / 餐飲場景，需要跨店即時同步的訂單、商品與庫存，傳統單機 POS 難以共享資料、也不易擴充。
我的做法：用 Cloudflare 的邊緣運算 + D1 資料庫打造雲端 POS，並以 Durable Objects 處理即時狀態同步讓多店資料一致。把整個專案拆成六個可驗收的里程碑，逐步開發與測試。
面對龐大需求，「拆成可驗收的階段」比「一次做完」重要太多——每個里程碑都能獨立驗證、降低風險。我也學到先完成核心功能（MVP）進入封測、再依測試回饋逐步補強，遠勝於追求一次到位。
問題：有價值的資訊（咖啡店評鑑、AI 工具）散落各處、難以累積與再利用，也沒有主動觸及使用者的管道。
我的做法：把資料結構化進可持續累積的資料庫，設計清楚的欄位；再串接定時排程，把資料自動整理、主動推播到 LINE / Telegram。
| 店名 | 地區 | 評分 | 特色標籤 | 筆記 |
|---|---|---|---|---|
| 範例咖啡 A | 大安區 | 4.5 | 手沖 · 安靜 | 單品選擇多 |
| 範例咖啡 B | 中山區 | 4.2 | 不限時 · 插座 | 適合工作 |
| 範例咖啡 C | 三重區 | 4.8 | 自家烘焙 | 豆子值得買 |
資料的價值來自「結構」與「流動」：好的欄位設計讓資料可被累積與再利用；自動化排程則讓它不必靠人力就能主動送達。這也是數據型產品的底層思維——先把資料整理好，價值才長得出來。