The Mentorship 曼陀號 · 8/25(二)21:00

用 AI 快速開啟 PoC 原型

AI 可以做成哪些 Side Project。
還有,怎麼判斷它值不值得一直做下去。

講者 Aaron(航海士)打雜前端 × 新竹 AI 新創 × 美商醫療 AI 新創
投影片連結 QR code
00 / 開場

PoC 們都是從痛點而生

2025 · AI HURRY UP

快速開 PoC · 講「怎麼做」

那時候我在講,一個人用 AI 大概一週就能把想法變成一個能動的東西。整場重點都在「工具多快、怎麼串起來」。

2026

工具人人都有,差別在痛點怎麼定義、怎麼找

我們做 PoC 本來會懷疑做不做得到、要花很久,但現在有了 AI,很多神奇的東西都做得到了。重點是,你有沒有真的抓到一個痛點。

PoC=Proof of Concept,概念驗證。用最小的成本,先證明一個想法真的做得出來。

01 / 從零開始

從零開一個 PoC,四步驟

STEP 1

抓痛點

一句話講清楚:「誰,在哪裡,遇到什麼困難」。講不出來就先觀察,要解決具體的問題,而不是幻想。

STEP 2

收資料

Deep Research 掃同類產品,列出 3~5 個現成解法,確認不是在重複造輪子。

STEP 3

快速驗證

先玩現成 demo,用最小資料拿來試。44 張圖就能試出 LoRA 行不行。

STEP 4

最小能動 demo

Claude Code / Cursor / n8n 串起來,一週內做出能給人看的東西。

AI 工具變了好多輪,但驗證的核心一直沒有變。

01 / 從零開始

工具去哪找,能做出什麼

去哪找能做出什麼 PoC我的嘗試
模型 APIOpenAI · Claude · Gemini · Grok對話、RAG、Agent,刷卡就能用Insightful、股票平台
開源模型Hugging Face語音轉文字、生圖AutoCut、AI 服裝設計師
租算力RunPod · Colab訓自己的模型,A6000 一小時 $0.74AI 服裝設計師
雲端 AIAWS Bedrock · Transcribe · Polly企業級語音 Agent、串生態系LUNA
工作流n8n · Lovable · Replit不太寫程式也能串 API整理助手
AI 編輯器Claude Code · Cursor · Codex全部黏起來,一週出 demo這份投影片

評估三招:先玩 demo(HF Spaces / playground)→ 看授權能不能商用 → 用最小資料拿來試。

01 / 從零開始

七個 PoC,每個都從一個痛點來

英文口說糾錯 VoiceReactifySTTTTS想練口說但沒人給即時回饋;錄音就轉文字、糾發音
個人社群新聞推播 InsightfulLLMRSS資訊太多看不完;AI 只推真正跟你有關的
字幕編輯平台 AutoCutSTT翻譯經營 YT 手動上字幕太累;Whisper 自動產字幕再快速修
AI 服裝設計師生圖LoRA打一件樣要一兩個月;LoRA 生成品牌風格設計稿
整理助手 n8nWorkflowLLM追技術好累好多東西;每天自動整理 AI 新聞跟 GitHub 精選
股票投資整合平台 TradingNoteRAGAgent圖表看得到漲跌、看不到原因;現在長成有 AI 日報跟 Pro 的產品
AWS 智能銷售助理 LUNASTT/TTSAgent語音助手不會中文插話;用 AWS 全家桶做可插話的銷售 Agent

今天只挑兩個案例。一個當初幫公司做的,一個是自己要用的。

02 / 為什麼在曼陀號分享

我覺得曼陀號就是在幫大家省摸索的時間

Insight 1AI 把「做得出來」變便宜可是它取代不了的,是找到一個可以真正被解決的痛點。
Insight 2判斷力是可以傳下去的,這就是 mentorship 在做的事哪種痛不值得解、哪種牆現在跨不過去,先踩過了,你們參考看看。
Insight 3帶一把尺回家,用在你自己的專案上開新東西之前先問:這是真的有在解決問題,還是只是一個片面的想法?
03 / 核心框架

一張圖,判斷值不值得做下去

↑ 牆繞得過(只是工程問題)
← 別人的痛點
別人的痛點 · 繞得過 做得出來,但你不會想一直做。看情況接。
自己的痛點 · 繞得過 股票平台
一直做
你自己天天用,牆又都繞得過去,越用越順。
別人的痛點 · 天花板 成衣生成
放棄
做出來了,但卡在你控制不了的變數。早點放手。
自己的痛點 · 天花板 技術頂著。先放著,等它追上來。
自己的痛點 →
↓ 天花板(模型做不到)
03 / 核心框架

這個痛點是誰的?這道牆卡在哪?

問題一:痛點是誰的

自己的痛點,你會一直用、一直改;別人的痛點,一撞牆就沒動力撐了。

沒人催,你也會打開來用嗎?
要說服的是你自己,還是別人的決策者?
案子卡住的時候,你使得上力嗎?
問題二:牆卡在哪

天花板跨不過去,該放就早點放手;工程問題繞得過,還有得救。

是模型本身做不到,還是我沒串好?
加時間、換做法,救得回來嗎?
等半年模型進步,牆會不會自己消失?

等一下的兩個案子,就拿這六個問題各檢查一遍。

04 / Case A · 放棄

成衣生成

用生成式模型,協助發想與出設計稿。

Case A · 痛點

成衣廠打一件樣,要一到兩個月

手繪、建模、送版,一輪就是一到兩個月
旗下約 10 個品牌,設計風格都很類似,創意容易枯竭
他們就想說:能不能用 AI 把這段縮短?

先記一下:這案子卡住時,我使不使得上力?

Case A · 如何用 AI 技術解決

44 張圖訓一版 LoRA,兩個月變 15 分鐘

LoRA=在底模上外掛一小層權重,不用重新練整個模型就能學會新風格。

44張官網圖 ~14 hr一輪訓練 · Flux ≈$10RunPod A6000 15 分原本要 2 個月

技術棧 ComfyUI + Flux + LoRA

底模 FLUX.1-dev,用 ai-toolkitRunPod A6000 上跑訓練
設 trigger word 讓模型認得品牌風格,ComfyUI 調權重加強影響
底模給世界知識,LoRA 只學品牌 tone,所以不用大量資料
LoRA 訓練集 44 張
訓練集 44 張 · v2–v3 統一尺寸 833×1216
LoRA 生成圖
Case A · 撞牆

設計這塊,確實有一道技術天花板

客戶要連「領口、袖口、口袋在左還右、鈕扣怎麼縫」都能用 prompt 精確講出來。這個模型真的做不到
我要求四個細節,它全給我張冠李戴
左:真品丹寧外套標註圖;右:AI 生成版本,標籤文字亂掉、口袋位置跟真品不同,品牌名還拼成 RALM DENIM
工程師彩蛋:擴散模型學的是「美感分佈」不是「工程規格」,attribute binding 綁不住空間位置

但老實說,這還不是讓案子停下來的主因。

Case A · 真正的牆

真正的難點是……

Demo 說服不了決策者。品牌不夠有名,風格差異看不太出來
案子還綁著:工會引薦、政府補助、三方合約、軟體所有權歸客戶
再加上對方要上市上櫃的時程

改顏色、換某個區塊可以;但強調細節修改,就很吃生成機率,時好時壞。

這些,我完全使不上力。

Case A · 判斷
這案子,公司放棄繼續了。

學到最痛的一課:
PoC 死,常常不是死在技術,是死在你使不使得上力。
不是你的痛點、又控制不了外部變數,就該早點放手。

05 / Case B · 一直做

股票平台

用 RAG + Agent,整合大盤、AI 日報跟筆記。

tradingnote.zeabur.app QR code
Case B · 痛點

人真的會忘記「股價為什麼動」

股價漲跌,往往是重大事件跟財政政策驅動的
像現在的美伊戰爭推升油價;但一年後,你會忘記為什麼:供需、海峽斷供……
忘記了,類似的事件再來一次,你又用直覺重新緊張、可能做一樣的決定
這就是散戶天天在痛的地方
如果能克服人性與規律,是不是勝率更大?
Case B · 核心
「你上一季的筆記寫過它接了大單,這只是短期波動,抱得住。

要下決定的時候,它把我以前的筆記調出來,反駁我、或支持我。

Case B · 怎麼做

我沒有想做多複雜,能解決我的痛點就好

RAG=讓 AI 檢索你自己的資料再回答;Agent 則是讓它自己接著做完後續步驟。

不到 2 天做出第一版 100+ 隻API 150 個使用者 一年沒停過,跟著 AI 一起成長
它就是一個「記錄我怎麼投資」的筆記平台,再用 AI 輔助
新聞跟筆記怎麼分類、打 tag,還是我自己判斷
要用的時候,AI 幫我把相關的新聞跟筆記搜出來
底層是 RAG + Agent,兩個人維護得動的規模
TradingNote 市場總覽
Case B · 誠實的牆

AI 給研判跟劇本,進出你自己決定

劇本是靠筆記、技術分析、新聞事件關聯湊出來的
但關聯 ≠ 因果,模型上限也可能讓推論混淆
過去不等於未來
context 一多,引用就會爆
使用者亂打,也不能把它騙歪:擋 prompt injection、限輸入長度
台股 AI 日報,今天的真實輸出:研判偏空|信心 8/10|關鍵驅動:外資期貨空單持續加碼
Case B · 判斷
這個,會一直持續。

因為這是我每天開盤的時候就會遇到的痛,自然就會一直去改它。
真實存在的痛點,並把它解決掉,就會是一個好的 PoC。

06 / 合流

把兩個案例並排,結果就顯現出來了

成衣生成股票平台
痛點是誰的客戶我自己
撞到的牆技術天花板+外部變數工程問題 · 繞得過
撞牆之後使不上力、也沒動力救我們會一直改它
判斷放棄一直做

我自己的感覺是,「使不使得上力」比「做不做得出來」更早決定一個 PoC 活不活得下來。

07 / 帶回去的判斷模型
PoC 活不活得下來,不是靠感覺,
是看兩件事。
1這個痛點是誰的?
2這道牆卡在哪?

回去之後,把你手上那個放很久的 side project,丟進這個象限,看它掉在哪一格。

彩蛋 / 附錄

對了——這份投影片,我也是用 AI 生的

PROMPT · 核心骨架(完整版在講義)單一 .html · 離線可開
你是一位資深前端 + 簡報設計師。幫我產生一份「可直接上台」的 HTML 投影片:
單一 .html 檔、離線打得開。

主題/對象/風格:各一句話講清楚
技術要求:CSS/JS 全 inline 不連 CDN · 16:9 一頁一張 · 鍵盤換頁
字要大 · 可列印成 PDF · 尊重 prefers-reduced-motion

內容:貼上你的大綱 → 先要完整檔,再逐頁微調。

圖片:連封面、象限頁、羅盤圖、這張梗圖,也是 AI 生的(Gemini・Nano Banana image-gen)
四格漸層發光的腦,象徵從手刻投影片到丟大綱給 AI 生完整份的演進
Q & A

謝謝。

← → 換頁 · Esc 總覽 · 數字+Enter 跳頁 · N 備註 · S 講者視窗 · F 全螢幕
SPEAKER NOTES