即時監控 Mercari 台灣的戰鬥陀螺商品，邊抓取邊用 LLM 辨識型號與估價， 偵測可轉售的好康並累積各型號的價格走勢，新商品秒級推播到瀏覽器。
- 即時爬蟲 + WebSocket 推播：每 3 秒輪詢搜尋結果，新品秒速推到前端並播放提示音。
- LLM 型號辨識與自動估價：用 OpenRouter 從標題／描述抽取型號，計算含運費、服務費、關稅的利潤。
- 好康優先重訪排程：獲利商品採高頻重訪（5 分內每 10 秒），秒級偵測售出狀態。
- 價格走勢與加權成交均價：散點圖區分已售／在架，依成交速度加權估算市場清算價。
- 型號映表管理頁：直接在 UI 編輯「型號 ↔ 名稱 ↔ 售價」，同時作為 LLM 辨識依據。
技術棧
以 OpenCV 與自訓練 YOLOv10 為核心的影像辨識研究：螢幕擷取後做小地圖定位、 血條偵測與攻擊範圍計算，並用 BFS 在二值化地圖上規劃跳躍／爬升／行走路徑。
- 多模組影像分析：擷取（mss）→ 小地圖讀取 → 主畫面 ROI（YOLO + 血條）分層處理。
- 穩定座標定位：以特定像素值取得玩家位置，於上次座標 ±15px 範圍搜尋提速。
- 小地圖他人偵測：紅色遮罩 + 形態學開運算 + 連通元件分析，過濾尺寸並驗證中心顏色。
- YOLOv10 怪物偵測：自訓練模型（X-AnyLabeling + SAM 2.1 標記），10–20 FPS 平衡精度與效能。
- 血條與攻擊範圍計算：紅黑雙遮罩 + 膨脹／交集／形態學運算，推算玩家中心與可攻擊範圍。
技術棧
本專案為學術與技術研究用途，不公開完整程式碼以避免濫用。
ROS 2 練習：AI 迭代調參的自動繞圈送餐車
track_sim ・ ROS 2 Humble + Gazebo Classic 11 ・ 練習專案
練習 ROS 2 的小專案：差速驅動送餐車要在 35 cm 窄迴圈跑道自動繞圈，牽涉數十個控制參數（沿牆增益、轉角觸發距離、煞停閾值…）。 重點在做法——設計詳盡的結構化 log，讓 AI 讀執行結果、判斷問題、調整參數再重建，以這樣的迭代迴圈歷經 32 次， 把撞牆連連的初版調到連續 10 圈、753 秒、零碰撞。
- AI 迭代調參迴圈：以「跑模擬 → 讀結構化 log → AI 判斷並調整參數 → colcon 重建 → 再驗證」的循環推進，
docs/iteration_log.md完整記錄 32 次每次改了哪個參數、為什麼。 - 為調參而生的 telemetry：控制節點內建
[MODE]／[TURN-START/END]／[CRASH]／[BODY-COLLISION]／[STUCK]等結構化 log，讓每次迭代從「用猜的」變成資料驅動。 - 數十個可調參數：巡航速度、沿牆增益
kp_lateral／kp_heading、目標離牆距離、煞停 pivot 閾值、RFID 感應半徑與 sector 角度…全用 ROS 2 parameter 宣告，可即時覆寫再試。 - 被調的對象：光達沿牆 + RFID 轉角：右側扇區點雲做 TLS 線擬合估離牆距離／角度；
rfid_reader用 tf2 判斷是否進入轉角 tag 的 10 cm 半徑，觸發 90° 左轉。 - 迭代學到的關鍵修正：轉彎前先 BRAKE 完全停止（殘速會走弧線撞牆）、末段改 proportional（bang-bang 過衝會累積）、光達內縮進 body（凸出會讀穿牆數據）、改用 odom 絕對航向而非 corner 附近失真的線擬合。
- 可重現成果：spawn 隨機 ±10° yaw 下巡航 0.30 m/s，40 個轉角 / 10 圈 / 753 秒 / 零碰撞（milestone commit 記錄於 iteration_log）。
技術棧
差速驅動：兩輪各自獨立控速，靠左右輪轉速差前進與轉向，無需轉向舵機。
Discord 上的 AI 開發助手機器人
Noah_ipadpos_AI_dev_bot
在 Discord 透過 Claude CLI 即時操作目標專案：使用者回報問題後，Bot 自動分析、評估風險、 執行修復、編譯測試、Git 提交與服務重啟，並回報完整結果。
- 直接修復流程：分析 → 風險評估 → 修復 → 測試 → Git 提交 → 重啟 → 報告，一條龍完成。
- 兩階段風險評估：一般使用者強制先經唯讀分析；高風險任務需手動確認。
- 計畫模式：先審查 AI 擬定方案再執行，適合大型修改。
- Web UI 儀表板：左右分欄即時顯示歷史紀錄與 Docker Log。
- Session 信任分級：依使用者信任等級決定是否復用上下文，維持對話連貫。
技術棧
政府採購標案查詢與推送機器人
Tenderbot_ts ・ LINE / Discord 雙平台
從 Python 1:1 移植至 TypeScript 的標案機器人，LINE 與 Discord 共用核心邏輯， 提供 AI 對話式搜尋、語義向量搜尋、定時推送與自動爬蟲。
- 雙平台統一介面：LINE 與 Discord 共用核心；設定、推送、對話歷史皆以（平台, 擁有者）為唯一鍵隔離（私訊對個人、頻道對群組）。
- 混合搜尋引擎：FTS5 + BM25 精準比對（jieba 中文斷詞）＋ text-embedding-3-small（1536 維）語義向量（sqlite-vec vec0），以 RRF（k=60）融合多路名次。
- 兩段式重排：RRF 融合後再用真實 cosine 距離二次 re-rank，去重截斷 10 筆（各底層查詢 top-k 20）。
- 命令式 AI 流程：純函式路由器分派四條路徑（聊天／語義搜尋／關鍵字 fallback／無結果），取代 LangGraph，全程 try/catch 降級。
- 意圖抽取與韌性：先用 LLM（JSON mode）抽意圖與關鍵字，失敗自動退回 jieba；OpenAI 失效時全流程改走純關鍵字並附降級說明。
- 定時推送與爬蟲：croner 兩個 job（protect + paused 防重入競態）——每小時 cheerio 爬政府採購網（Big5 解碼）同步、每分鐘比對推送，缺漏 embedding 於下輪 backfill 補齊。
技術棧
LINE 客服知識庫系統
Noah_AIbot2.0
基於 Claude Code CLI 的 REST API 服務，將 LINE Bot 連接知識庫文件， 提供多使用者獨立、可持續多輪對話的智能客服。
- Claude CLI 無頭模式整合：以 cross-spawn 執行
claude -p，限制--tools Read,Grep,Glob只給讀取類工具、--output-format json；帶--resume維持多輪脈絡。 - 知識庫即工作目錄：將 CLI 的 cwd 設為
knowledgebase/{app_id}/，由 Claude 自己用 Read/Grep/Glob 檢索目錄內 Markdown 回答——後端不做檢索、不把文件塞進 prompt。 - 以 CLAUDE.md／README.md 當索引：每個 app 目錄用
CLAUDE.md定義客服規則與系統提示、README.md以表格列出各章節主題當索引，內容再分章節資料夾。 - 多使用者獨立 Session：以（customer_id, app_id）隔離，沿用該用戶進行中對話的 sessionId；首輪回傳的 session_id 寫回 DB 供後續
--resume。 - REST API 與持久化：
POST /api/chat依 app_id 解析知識庫路徑、呼叫 Claude，並以 Prisma + MySQL 保存對話與訊息。 - 串流韌性：邊收 stdout 邊嘗試 JSON.parse，一湊成完整 JSON 就提前結束子程序，縮短回應時間。
技術棧
