詹舜智 (Chan Shun-Chih)

詹舜智

Chan Shun-Chih

AI-Native Software Engineer · Senior Systems Analyst · 台北，台灣

4 年 Python 後端與 AI 應用開發經驗。以 AI Agent(Claude Code、GitHub Copilot CLI)為核心的規格驅動開發流程(採用開源 superpowers 工作流並依專案調整)，獨立完成企業級系統、ML 模型、雲端 IaC 到個人產品的全端交付;並將此工作流程制度化(內部技術分享、含 evals 的可複用 Claude Skills)、工具化(自建 MCP Gateway 作為公司 AI 基礎設施)。曾從零主導 2 款 AI 影片生成產品，服務 7,000+ 名使用者，將月基礎設施成本由 $40K 降至 $20K、失敗率由 30% 降至 1% 以下。JLPT N1。

三層定位

  1. 用 AI 交付產品

    企業級專案 + side projects，速度與品質有 git 紀錄佐證:2.5 個月獨立交付配貨平台、3 天上線 MCP Gateway、1 天完成 62 個測試的應用。

  2. 管理 AI 的方法論

    spec 先行、TDD、自動化 AI code review 迴圈、prompt 治理;共用 AGENTS.md 同時駕馭 Claude Code 與 Copilot CLI。

  3. 為 AI 造工具

    自建 MCP Gateway、撰寫含 evals 的 Claude Agent Skills、加上專案專用 skills(如 Azure DevOps PR 流程)，並對內推廣。

工作經歷

零售集團 IT 子公司 — Senior Systems Analyst(AI 應用工程師 / 高級系統分析師)

2026/05 – 現在 · 台北

負責雲端架構規劃與 AI 應用開發，橫跨 Cloud Architecture、DevOps、Data Engineering 與 AI 產品開發。

零售配貨標準化平台(主力專案)

  • 以 AI 協作開發於 2.5 個月內獨立交付企業級零售配貨/配量系統(約 1,100+ 檔案)，大量投入需求訪談，依各門市銷售數據與特殊需求設計配貨邏輯
  • 後端 Python 3.12 / FastAPI / SQLAlchemy 2 / Alembic / PostgreSQL，分層架構(api / core / engine / etl / repositories / services);前端 React 19 + TypeScript / Vite / TanStack Query·Table·Virtual / react-hook-form + zod / Tailwind 4
  • Contract-first:openapi.json → openapi-typescript 自動生成前端型別，確保前後端契約同步
  • CI/CD:Azure Pipelines,PR 觸發後端 pytest 與前端 lint/test/build 平行 job;後端 8 個測試模組、前端 56 個測試檔、UAT smoke 測試
  • 需求對齊:先以單檔 HTML prototype 讓需求方提前預覽並回饋，再進正式開發，大幅縮短「規格文件 → 開發 → 驗收」週期;完整文件紀律(decisions / lessons / runbooks / roadmap)

配量預測 ML 模型

  • 店鋪配量/配率預測:LightGBM、CatBoost、Optuna 超參數調校、isotonic calibration
  • 系統化實驗流程:baseline → 特徵工程 → ablation study → 模型 blending → 規則覆蓋層 → 誤配診斷;交付 ML 配量規劃草案、ER model 與 table schema

企業級 CDP(Customer Data Platform,6 repos / 2,200+ 檔案)

  • 前端 React 19 + TS + TanStack Router/Query、.NET 8 Web API、.NET 8 批次系統(含單元測試);SQL Server 多 schema + Azure Synapse 倉儲(CTAS / HASH-distributed 優化)
  • AI API:Python 3.13 + FastAPI + Google ADK agent pipeline + LiteLLM → Azure OpenAI;商品標籤自動分類(自 legacy 服務遷移)、三階段 pipeline 生成行銷文案;嚴謹 API 契約(四種狀態碼、per-user rate limiting、「誠實失敗、不做 fallback」)
  • 每個 repo 三環境(dev/test/prod)Azure DevOps pipeline;產出 incident 記錄、架構追查手冊等維運文件

MCP Gateway(自建 AI 基礎設施)

  • 將公司內部 HTTP API 統一封裝為 MCP tools，讓 Claude Code / Codex / Copilot 經單一入口安全存取內部系統;工具目錄存 DB，審核後即時上線、免改碼免重啟
  • 安全設計:per-client Bearer token 授權、SSRF 防護(拒絕 localhost/雲端 metadata + 允許清單)、上游憑證 Fernet 加密、稽核記錄含敏感參數遮罩
  • Python 3.12 / MCP SDK(Streamable HTTP)/ Starlette / SQLAlchemy 2 / Streamlit 管理後台;20+ 測試檔含 acceptance test(pytest-asyncio + respx);3 天完成 v1 上線

Log 異常分析系統

  • Gradio 介面兩層過濾大量 log → Azure OpenAI 分析異常 → SQLite 存檔;嚴格三層解耦(filter / ai / db);送 AI 前先做 token 預估與費用試算，超閾值警告

企業聊天機器人產品部署工程

  • 企業聊天機器人產品(Java/JSP/Kotlin,700+ 檔)原始碼治理與 Docker 化:Compose 整合 MSSQL 2022、Redis Stack、Solr 9.5、自製 parser;DB 初始化、健康檢查、全新 VM 部署 SOP;git filter-repo 清理歷史、Git LFS 管理大檔

Azure IaC 與資料工程

  • Bicep 模組化 IaC(network / keyvault / storage / postgres / appservice):IP 白名單 + Private Endpoint 雙路徑、Key Vault 集中機密、VNet Integration + RBAC，含 rollback 文件
  • Dify(開源 LLM 平台)on Azure Container Apps 部署(PostgreSQL + pgvector / Redis / Storage，含成本估算);Terraform 管理 LLM 資源群組;ADF pipeline 分析與設計(自動訂貨 / 庫存 / 銷售預測)、ML pipeline retry/webhook 設計

AI 工程方法論(制度化與推廣)

  • 以共用 AGENTS.md 同時駕馭 Claude Code 與 Copilot CLI 雙 agent，於企業專案實戰;git worktree 平行開發多分支
  • 導入並營運 agent skill 工具鏈(開源 superpowers 工作流)，建立自動化 AI code review 迴圈(AI 修 code → commit → 回覆 review thread → 觸發再審，直到收斂)
  • 將團隊 domain 知識封裝為含 evals 的 Claude Skills(Azure Synapse 效能調校、ADF 開發標準)，並加上專案專用 skills(如 Azure DevOps PR 流程)
  • 對內技術分享:「需求 → AI 快速 prototype → 使用者對齊 → 正式開發」工作流(14 頁大綱 + 講稿 + 4 張流程圖)，隨附 5 個去專案化可複用 skills
  • Python
  • FastAPI
  • React 19
  • TypeScript
  • .NET 8
  • PostgreSQL
  • SQL Server
  • Azure Synapse
  • Azure Data Factory
  • Azure Container Apps
  • Bicep
  • Terraform
  • Google ADK
  • Azure OpenAI
  • MCP
  • LightGBM
  • CatBoost
  • Azure Pipelines
  • Claude Code
  • GitHub Copilot CLI

OSENSE Technology(光禾感知科技) — Software Engineer(AI Application Engineer)

2024/05 – 2025/12 · 台北
  • 主導開發 OVideo——AI 驅動的內容轉影片平台，服務 1,800+ 名使用者;含會員系統、訂閱機制、金流串接與 Azure 雲端部署
  • 規劃並建構完整影片生成 pipeline:整合 LLM(GPT-4、Claude、Gemini)進行內容分析、腳本生成與圖文配對;FFmpeg 影片處理、字幕疊加與編碼優化;異步任務設計 + Server-Sent Events 即時回報進度
  • 效能與成本優化:流程拆分並行，平均影片生成時間 30 分鐘 → 15 分鐘(-50%);調整架構與 Azure 服務，月基礎設施成本 $40,000 → $20,000(-50%);Serverless 架構將承載能力由 10 人擴展至 100+ 併發;累計處理 1,100+ 部影片
  • 導入 Clean Architecture，新功能開發時間縮短 50%;設計 PostgreSQL / MongoDB 混合資料庫架構支援高併發
  • 開發 Osense AI——基於 LINE 的 AI 分身與聲音克隆系統(5,400+ 名使用者):整合 lip-sync、voice cloning，實作 LINE Bot 完整使用者流程;透過優化開源軟體錯誤與錯誤處理，失敗率 30% → <1%
  • 以 Gradio 與基礎前端框架快速開發 PoC 供客戶展示;導入 AI 工具加速開發
  • FastAPI
  • Celery
  • PostgreSQL
  • MongoDB
  • Azure (VM, Container Apps)
  • Docker
  • FFmpeg
  • Wav2Lip
  • TTS (Azure Speech, ElevenLabs)

忠訓國際(Jung Shing International) — Software Engineer(後端工程師)

2022/07 – 2024/04 · 台北
  • 使用 Django 開發內部網站系統，依需求訪談設計資料表，規劃 API 與流程拆分;Django + jQuery 前後端整合並結合 GitLab CI/CD
  • 使用 Selenium 與 Requests 開發並維護爬蟲腳本，優化既有爬蟲效能與反爬應對
  • 開發 PDF 帳單資料擷取工具，自動抓取關鍵欄位寫入資料庫，將人工輸入簡化為欄位檢查
  • 導入 GitLab 版本控制與基礎開發流程;以 Repository Pattern 分離資料存取邏輯
  • Python
  • Django
  • Selenium
  • Requests
  • GitLab CI
  • jQuery
  • Linux

Side Projects 與技術貢獻

Career Agent — AI 求職助手

2026/06 – 進行中

上傳履歷 → AI 診斷 → 爬取職缺 → 語意層契合度排序(分數 + 理由 + 缺少技能)→ 客製求職信 → 應徵追蹤;含雲端多人版與地端個人助理兩套架構。FastAPI + MongoDB + Claude API + Playwright;React + TS + Mantine;3 天 73 commits,Threads 介紹貼文瀏覽破萬、有真實使用者。全程以 Claude Code + superpowers 的 agentic 工作流完成:我負責需求、架構、任務拆解與審查。

Live GitHub

酸脆 — Threads AI 吐槽產生器

2026

病毒式成長迴圈設計(分享解鎖隱藏風格);TypeScript npm workspaces monorepo:React 前端、Cloudflare Workers + Hono + KV、爬取層可抽換(自架 GraphQL 爬蟲 / 第三方 API fallback);四個 package 各有 vitest 測試;內建反捏造與人身攻擊護欄。1 天 67 commits。

每日工作紀錄系統

2026

Flask + SQLAlchemy;完整 spec-driven 流程(design spec → implementation plan → TDD)，約 2,100 行、62 個測試、單日完成。

iThome 鐵人賽 2023:Django 原始碼深度解析

2023/09 – 2023/10

30 天系列文章，從常用 command 與 API 出發，追蹤 Django 接收 request 的流程、ORM 與資料庫互動、Middleware 等內部機制。

Blog

其他

中央氣象署未公開 API 逆向爬蟲(颱風暴風圈機率)、Text-to-SQL 實驗(Vanna + Wren Engine 語意層)、個人 RAG agent(chromadb);Hexo 個人技術部落格 56+ 篇。

技術棧

語言
  • Python(主力)
  • TypeScript
  • C# / .NET 8
  • SQL(SQL Server / Synapse / PostgreSQL)
  • Bicep / Terraform
後端
  • FastAPI
  • Flask
  • Django
  • Starlette
  • Hono
  • SQLAlchemy 2 + Alembic
  • Celery
  • async(asyncio / asyncpg / motor)
  • RESTful API
  • SSE / WebSocket
前端
  • React 18/19 + TS
  • Vite
  • TanStack(Query / Table / Router / Virtual)
  • Tailwind
  • zod
  • Mantine
AI / LLM
  • Claude API
  • Azure OpenAI
  • GPT-4 / Gemini
  • Google ADK
  • LiteLLM
  • MCP(自建 server)
  • RAG / chromadb
  • Prompt Engineering
  • Claude Skills + evals
  • FFmpeg / Wav2Lip / TTS
  • token 成本控制
雲端 / DevOps
  • Azure(DevOps Pipelines、Bicep、Terraform、Synapse、Data Factory、Container Apps、Key Vault、Private Endpoint)
  • Cloudflare(Workers / Pages / KV)
  • Docker
  • Git LFS / git worktree
  • GitLab CI
  • uv / ruff
ML
  • LightGBM
  • CatBoost
  • Optuna
  • scikit-learn
爬蟲
  • Playwright
  • Selenium
  • Requests / curl_cffi
  • BeautifulSoup
  • 反爬應對
測試 / 架構
  • pytest(asyncio / respx)
  • vitest + Testing Library
  • xUnit
  • TDD
  • UAT smoke / acceptance tests
  • Clean Architecture
  • Repository Pattern
  • Design Patterns

學歷

資策會(勞動力發展署)AI 雲端網頁應用開發養成班

2021/12 – 2022/05

全職密集訓練 6 個月

文藻外語大學

2016/09 – 2020/06

日本語文學系 學士

語言能力

中文
母語
日文
JLPT N1(聽/讀/寫 精通，說 中等)
英文
技術文件讀寫，Dev.to / 英文 spec 撰寫