AI 應用系列 0|起源:從一場面試的需求討論到自建AI工作流實建
從工業刀具外貿公司的技術服務網站需求出發,比較 Freshdesk、Dify、Chatbase 等現成產品,說明為何決定自建 MVP,並以 AI 工作流技能地圖檢驗判斷力。
閱讀原文 ↗從一個工業刀具技術服務網站的需求出發,依序驗證自建 MVP、LINE Bot 與檔案式知識庫、MCP 外部資料與多角色討論,討論產業情報與商業化,並記錄如何把 AstrBot 接到網站聊天窗。這是一組保留決策過程、排錯細節與未完成項目的實作筆記。
閱讀提醒:五篇文章的狀態不同。第 1、2、4 篇是技術實作記錄,內含待驗證項目;第 3 篇是規劃評估,沒有實作成果。閱讀時請以每篇文章明確標註的完成狀態為準。
從工業刀具外貿公司的技術服務網站需求出發,比較 Freshdesk、Dify、Chatbase 等現成產品,說明為何決定自建 MVP,並以 AI 工作流技能地圖檢驗判斷力。
閱讀原文 ↗在 2 vCPU、8 GB VPS 上以 Docker 部署 AstrBot,接入 LINE Messaging API,排除 LLM 不回覆問題,並用 Markdown、JSON FAQ、BM25 與 JSONL Log 建立檔案式知識庫。
閱讀原文 ↗透過 MCP 把 TradingView 外部資料與 n8n 接入 AstrBot,處理 Docker 網路與 421 Invalid Host header,並以技術派、情緒派、風控派三角色 Skill 試驗討論流程。
閱讀原文 ↗以工業刀具為案例,規劃產業情報插件:情報庫與知識庫分工、IM 與自然語言查詢、可揭露可關閉可審計的商業推薦、商業模式與 M1–M4 里程碑。
閱讀原文 ↗把 AstrBot 接到自家網站聊天窗:比較現成客服系統、以 PHP 與 Workerman 建立 WSS 中轉層、整理 Nginx 與 Workerman 5 踩坑,並規劃 PHP 與 Python 雙版本依共用契約並行。
閱讀原文 ↗預計整理 LINE 實際驗收、來源版本控管、轉人工流程、Embedding/Rerank 評估,以及從 MVP 走向可維運服務的具體檢查表。
預計研究唯讀 ERP/CRM API、n8n 工作流、權限分層、稽核紀錄,以及 AI 工具如何在不直接寫入核心系統的前提下提供協助。