我做過什麼 ── 自家系統 ＋ 真實外部客戶 case
Case 01 是給合作旅行社做的「出團通知 AI 影片批量產生器」（已運作中，真實客戶 LINE 回饋附在 ROI 卡內）；Case 02-04 是我為 Wise Piece 蓋出來的真實系統（客戶 = 我自己，能力證明）；Case 05 是給某中型旅行社做的內部情報抓取系統，正在運作中；Case 06 是 Wise Piece 自家新蓋的 AI 短影音 pipeline，每週 5 支自動上 YouTube + 跨平台流量分析。如果你的場景接近，可以聊聊。
CASE 01出團通知 AI 影片批量產生器
領隊不再對著鏡頭念稿，填表 5-10 分鐘出一支影片
出團通知 AI 影片批量產生器
領隊不再對著鏡頭念稿，填表 5-10 分鐘出一支影片
- 01 · 場景
員工卡在錄影 / 剪片 / 改稿迴圈裡
- 真人錄影:講錯一字 NG 重來，還要避免表情僵硬
- 改一個航班 / 集合時間 → 整支影片重錄
- 錄完還要自己剪輯，半天時間就沒了
- 旅行社每月 50+ 團次 = 50+ 次重複錄製
- 02 · 我做了什麼
把製作影片變成一個可編輯的畫面
- 自助式表單:出發日期、航班、機場、集合時間（11 個變數）
- 系統自動組成完整口播文案 + 雙語字幕
- AI 對嘴 + 雙語字幕，整套交給系統處理
- 員工 5 分鐘上手，不用懂任何 API
- 03 · 結果
讓員工把時間跟精力，放在最重要的產能上
- 一團、五團、五十團，都是同一個調性、同一種品牌口吻
- 一支新影片，從 3 小時 → 5-10 分鐘
- 改一個欄位 30 秒重新生成，中英版本同時產出
- 04 · 工具用在哪
從輸入到燒字幕，6 段串成一條龍
- 輸入
- 人物圖片 + 11 個團次變數
- 模板引擎
- 變數套模板 → 完整口播文案
- 配音
- Azure Neural TTS（zh-TW-YunJheNeural）
- 對嘴影片
- WaveSpeed infinitetalk-fast
- 字幕翻譯
- Azure Translator（產生英文字幕）
- 字幕燒入
- FFmpeg + ASS（中英雙語）
能看到的實作： 系統已交付給合作旅行社運作中。每月 50+ 支行前通知影片，從錄影 / 剪片半天作業，變成填表 5-10 分鐘。
如果你的場景是「每場活動都要產一支制式影片」（旅行社 / 補習班 / HR / 展演活動 / 線上課程），可以聊聊。
CASE 02內容自動化 pipeline
每週 4 篇 SEO 文章，從找題到上線 0 人工
內容自動化 pipeline
每週 4 篇 SEO 文章，從找題到上線 0 人工
- 01 · 場景
8 小時 / 篇，寫到第三篇開始懷疑人生
- 每篇從「找題目 → 寫稿 → 配圖 → 上線 → 寄電子報」全人工 6-8 小時
- 第一篇還很有 vibe，第三篇就開始想：這個能撐多久？
- 寫到第五篇直接放棄。
- 02 · 我做了什麼
拆 5 步，每步丟給最會做的工具
- 抓熱點：定時掃 HN / Reddit / GitHub，過濾 AI 訊號
- 選題目：LLM 分群 + 寫標題，用 sliding-window 防撞題
- 寫內容：DeepSeek 寫初階、GPT-5.5 寫進階、品牌 few-shot 鎖語氣
- 配圖：LLM 寫 scene + KIE 跑圖，角色 prompt 鎖一致性
- 上線 + 通知：自動 git push 到 Vercel，自動寄 newsletter
- 03 · 結果
8 小時 → 0 小時，咖啡還沒泡好
- 每天早上 7 點 OS 排程觸發，全程無人值守
- 我醒來打開電腦，文章已經上線、newsletter 已寄出
- 我只負責最後審稿（其實也沒怎麼審）
- 04 · 工具用在哪
每段流程，各一個專門工具
- 寫文章
- DeepSeek-V4（初階）、GPT-5.5（進階）
- 寫 PPT 卡
- GPT-5.5 + 品牌 few-shot prompt
- 配封面
- KIE gpt-image-2（角色 prompt 鎖一致性）
- 排版部署
- Next.js + Vercel
- 寄電子報
- Resend
- 存圖
- Cloudflare R2
- 排程
- Windows Task Scheduler
能看到的實作： wisepiece.com 本身就是這條 pipeline 跑出來的成品。你看到的這 47+ 篇文章，全部是它產的。我沒寫，它寫的。
如果你的場景是「想做內容但寫不動」（內部知識庫 / SEO 部落格 / 產品教學文），可以聊聊。
CASE 03跨模型品牌語氣鎖定
DeepSeek 寫初階文、GPT-5.5 寫進階文，但讀起來像同一個人
跨模型品牌語氣鎖定
DeepSeek 寫初階文、GPT-5.5 寫進階文，但讀起來像同一個人
- 01 · 場景
兩個 model 出來 vibe 不一樣，讀者一看就斷掉
- 想做雙線內容：便宜 model 寫初階、強 model 寫進階
- 但兩個 model 出來的調性完全不同
- 讀者察覺「這篇怎麼怪怪的」，品牌瞬間斷掉
- 02 · 我做了什麼
寫一份品牌 voice 共用 lib
- 抓「品牌語氣」的具體模式（吐槽風 + 痛點代入）
- 從現有文章選 2 篇當正向 example
- 列 5 個反例（分析腔 / 陳腔濫調 / 教科書 / 口號 / 絕對化）
- 包成共用 lib，所有 model 餵同一份 prompt
- DeepSeek + GPT-5.5 兩條線語氣自動對齊
- 03 · 實際差距
同題目，給不給 few-shot 結果差超多
- 不用：「跑完才是恐怖開始 / 沒報錯不等於正確」← 都是口號
- 用了：「最雷的不是爆紅字，是它笑著算錯」← 有畫面有場景
- 同一個 model，差別只在 prompt 餵不餵範例
- 04 · 工具用在哪
所有 prompt 變更只動一份檔
- 正向範例
- 從 wisepiece 文章選 2 篇 slides 當對照組
- 反例設計
- 整理 5 種「LLM 一定會寫的爛範本」
- 模型 A/B
- OpenRouter 同時 call DeepSeek + GPT-5.5
- 品質判讀
- 視覺對比 HTML preview
- 維護
- 所有 prompt 變更只動一份 lib，caller 自動同步
能看到的實作： wisepiece.com 上 chat-AI 線（支柱一/二/熱點）用 DeepSeek、coding-AI 線（支柱三）用 GPT-5.5。對讀兩條線文章 → 語氣一致，深度不同。
如果你的場景是「多人 / 多模型一起寫內容，但要保品牌一致」，可以聊聊。
CASE 04圖像角色一致性 prompt 框架
同一個漫畫角色，出現 50+ 次都長得像同一個人
圖像角色一致性 prompt 框架
同一個漫畫角色，出現 50+ 次都長得像同一個人
- 01 · 場景
同一角色 50+ 次都「飄一點」，最後像 50 個人
- 大部分 AI 生圖工具每次 sampling 角色都「飄一點」
- 髮型變了、配件不見、上張 30 歲下張變 20 歲
- 50 張連載看下來像 50 個人，讀者一臉問號
- 02 · 我做了什麼
4 層 prompt 鎖定系統
- Canon block：每角色 80-120 字的「絕對要出現」特徵
- Style block：統一畫風 keyword，所有 prompt 共用
- 不寫 NOT → 改正面描述（不然 KIE 會把整顆頭砍掉）
- Scene block：每篇只寫「角色在做什麼」，外觀已 lock
- 03 · 碰到的坑
某張博士「忘了畫鬍子」 → 寫救火工具
- KIE 偶爾還是會飄（角色細節漏掉）
- 寫了單張 panel regen 工具：針對那張重生 → 自動 patch JSON
- 單張修復 ~60 秒，不用整篇重跑（省 4 個 KIE call）
- 04 · 工具用在哪
一套 prompt 系統 + 一支救火工具
- 角色 canon
- 阿葵、派派、博士、進階 mascot 各一份固定 prompt
- 畫風統一
- chibi pastel anime + brand 配色
- 跑圖
- KIE gpt-image-2（透過 Next.js API 包裝）
- 存圖
- Cloudflare R2（CDN 加速 + 永久 URL）
- 單張修復
- 自寫 patch script，single-panel 重生
▸「履歷合成」文章 4 格漫畫
PANEL 01
PANEL 02
PANEL 03
PANEL 04
▸「漫畫角色換衣服」文章 4 格漫畫
PANEL 01
PANEL 02
PANEL 03
PANEL 04
兩篇不同文章的 4 格漫畫 — 阿葵、派派、博士在 8 張裡都是同一個角色，沒有飄
如果你的場景是「IG 連載 / 品牌吉祥物 / 教學圖卡需要角色一致性」，可以聊聊。
CASE 05跨網站情報抓取 + AI 篩選工作流
某中型旅行社內部系統 — 多個日本網站每週一三自動爬，AI 篩重點，內網 1 個入口
跨網站情報抓取 + AI 篩選工作流
某中型旅行社內部系統 — 多個日本網站每週一三自動爬，AI 篩重點，內網 1 個入口
- 01 · 場景
主管說「這幾個網站每週看一次」，員工只敢點頭
- 旅行社日本線管理者每週要追多個日本當地網站的最新動態
- 員工逐一打開、翻找、挑出本週重要更新
- 漏看、看到舊資訊，主管還要追問誰看過哪個網站
- 02 · 我做了什麼
把多個網站變 1 個內網入口
- 排程：每週一、三凌晨自動爬多個來源網站
- AI 分類 + 評分：判類別、地區、特色、是否跨縣
- 入庫分層：主庫 + 特色備庫，加審核狀態（待審 / 通過）
- 內網介面：員工開 1 個內網就看到本週精華
- 細節：中日文 keyword 搜尋、都道府縣分布視覺化、URL 帶 filter 可分享、CSV 匯出
- 03 · 結果
員工從翻網站變讀精華
- 已入庫 102 筆情報、47 個都道府縣全覆蓋（東京 45 筆最密集）
- 每週 2 次自動更新（一 / 三 凌晨），新資訊不漏接
- 跨縣篩選（觀光列車 / 古道 / 跨縣路線）一鍵就有
- 資料新鮮度可選（近 30 / 90 / 180 天）
- 主管不用再追問員工「你看過 X 網站了嗎」
- 04 · 工具用在哪
每段流程，各一個專門位置
- 排程
- 定時觸發爬蟲（週一 / 三 凌晨）
- 爬蟲 + 解析
- 處理多個來源不同的 HTML 結構
- AI 篩選
- OpenRouter LLM 判類別 / 評分 / 過濾雜訊
- 資料庫
- 分層儲存（主庫 + 特色備庫）+ 審核流
- 前端介面
- Next.js + 都道府縣視覺化 + 中日文搜尋
- 認證
- 密碼保護（內部使用，不對外公開）
- 部署
- Vercel
能看到的實作： 系統密碼保護內部使用。完整 demo 可在諮詢時提供。
如果你的場景是「員工每週追多個網站找重點」（業務情報、競品監控、新聞彙整、產品比價、跨地區資料蒐集），可以聊聊。
CASE 06AI 角色 × 評分挑題 × 自動拆解的短影音 pipeline
每週 5 支自動上 YouTube，從定主題到上架 0 人工
AI 角色 × 評分挑題 × 自動拆解的短影音 pipeline
每週 5 支自動上 YouTube，從定主題到上架 0 人工
- 01 · 場景
想追熱點做短影音，但每支光製作就要好幾小時
- 從定主題、寫腳本、配畫面、配音到剪片，一支影片半天起跳
- 等做完上線，熱度可能已經過了
- 自己出鏡又怕鏡頭、不會剪片，做完一支就想收工
- 02 · 我做了什麼
把角色、選題、剪片三段都變成自動化模組
- 角色自定：風格 / 人設 / 表現方式寫成可重複的模板
- 主題評分：候選題自動打分，挑潛力高的開做
- 影片成片：前段內容 + 後段 AI 踩坑拆解，雙段結構鎖死
- 上架：YouTube Data API 自動排程 Shorts，IG / FB 同步分發
- 03 · 結果
每週 5 支固定產出，pipeline 還會自我迭代
- 每週 5 支 YouTube 影片自動上架（2026-05-19 起新生產線）
- 影片同步分發到 IG / FB，日期錯開 Wise Piece 文章貼文（週一 / 三）
- Day 1 上線生產線 → Day 2 就加上跨平台流量自動分析功能
- YT + IG + FB 三邊流量自動匯總，LLM 寫詳盡解讀建議
- 04 · 工具用在哪
每段流程，各一個專門模組
- 選題
- AI 痛點主題庫 + LLM 評分挑潛力
- 角色系統
- KIE / WaveSpeed + 三視圖鎖角色一致性
- 影片生成
- KIE 主力 + WaveSpeed fallback
- 字卡 + 後製
- Hyperframes（誇張字卡 / CTA / 教育段動畫）
- 音效合成
- Freesound + 自建情緒音效庫 + FFmpeg
- 上架 + 分析
- YouTube Data API + Meta Graph API + YouTube Analytics
Day 2 新功能 — 跨平台流量自動分析： 生產線上線當天加的後台模組。系統自動拉 YouTube + IG + FB 三邊流量數據，用 LLM 對比 + 解讀，產出「哪幾支表現好、什麼主題打中、下一輪該怎麼調」的詳盡建議。影片裡看不到，但這是這條 pipeline 從「會產內容」變成「會自我迭代」的關鍵。
能看到的實作： 第一支影片上線中（YouTube 連結見頁尾 social 區）。每週 5 支固定產出 + 自動上架。
如果你的場景是「想做短影音追熱點但卡在製作流程上」（YouTube 創作者 / 品牌帳號 / 內部 SOP 拆解 / 課程片段切片），可以聊聊。
聊聊吧 — 30 分鐘免費諮詢
了解你的場景。對得上再報價，對不上我會直接告訴你。
單次自動化專案
3-4 週專案合作
從需求釐清、系統設計、實作到上線。適合有自動化規劃預算的企業 / 中小型團隊。
顧問合作 / 維護
可洽詢合作
長期 retainer、案後維護、月度諮詢，依場景客製規模與形式。
