獨立開發者 · 台中
另外十五個網站與服務，現在還在線上跑。
逢甲大學光電系大三，不是資工背景。以下是實際做完、而且交出去的東西——包含一個到了判準日就收掉的產品。
五款 App 發行於我自己的公司帳號 Gomiigo Games（法律實體為 Tuthome Co., Ltd.），從設計到上架都由我完成。網站與服務全部自架在一台 Linux 伺服器上。
把約 10 個政府與新聞來源，變成只在事件真的靠近你在乎的人時才響的災害警報。
多數警報 App 的問題不是漏報，是狂響到使用者關掉通知。這支 App 把事件去重後做三級可信度評分，只有當事件落在你自訂的「生活圈」——家人與地點，含半徑與時段——才發出通知。住家地址以 AES-GCM 加密儲存，桌面小工具只讀取 App Group 快照，不碰位置資料。
把今天排成一盤九宮格，做完一件點亮一格。八天從零到送審。
自製 UI 元件系統，沒有用系統的 List 與 TabView；七個語系共 871 句文案不靠人工搬運，由三支腳本自動組裝；商店頁的文案、審查資訊與 84 張各語言截圖全部透過 App Store Connect API 自動上傳。
自己做的免費小遊戲平台，上面的遊戲也是自己做的。
平台本身是 Next.js，但真正花時間的是上面那些遊戲：四種不同的技術路線——Godot、Phaser 3、React、原生 Canvas——因為我想知道同一種玩法在不同引擎裡分別要付出什麼代價。其中一款是從 Godot 整個移植到 Phaser 的，移植過程後來寫成一份可重複使用的流程。
進到一個營運中的 Next.js + Supabase 平台，找出並修掉兩個資安缺陷。
不是從零開發，是進到別人寫好、而且已經有真實使用者的程式碼裡。兩個缺陷分別是多角色權限模型中的權限提升路徑，以及跨租戶的資料曝露。所有改動以 pull request 形式交付，資料庫受 row-level security 政策管轄。客戶名稱與網址依約不公開。
一套自己寫的工作規則：怎麼分派任務、怎麼驗收、以及踩過的坑怎麼變成規則。
核心規則只有一條：產出的人不驗收自己的產出。工作完成後，我開一個對過程毫無記憶的新對話，它只能回答三種答案——通過、失敗（附證據）、無法驗證。另外附一份橫跨十個月、34 條的踩坑紀錄，每一條都寫成日後可套用的規則。
澳洲搬家公司的 CRM，我在上面加裝了 AI 排班、郵件解析訂單、路線優化三組自動化。
客戶原本就有一套 Base44 低代碼 CRM，我的工作是讓它自己動起來：AI 排班依人力與地點安排工班，郵件解析把客戶來信抽成結構化訂單，路線優化決定當天怎麼跑最省。AI 呼叫走 serverless function，模型在程式碼裡直接指定。專案已交付結案，三期款項全數收訖。
以下都還在線上跑，可以直接點開。標示「需登入」的是有帳號系統的服務，看得到登入頁但進不去內容。
把想法畫在畫布上，讓 AI 沿著節點之間的關係往下展開。
給微型店家的接單系統。私訊了八家店，判準日結算：零成交，收掉了。
想法是「一家店一份設定檔」，做一個能快速換皮給不同店家用的接單頁。我事先寫死了判定規則與退場條款，時間到就結算。結果是三個條件全部沒過。站還留著，因為它比任何一個成功案例都更能說明我怎麼做決定：先訂好什麼叫失敗，然後認帳。
我自己的接案工作室官網，主打「工具不用換，流程自己跑」。
用聊天的方式記行事曆，不用填表單。
幫 Threads 貼文做分類與過濾，只留下自己想看的。
記帳工具，資料留在自己的瀏覽器裡，不上傳任何伺服器。
數學工具箱，把常用的計算與圖形放在同一個地方。
AI 學習夥伴，一次提問會串起五到六輪的分析再回答。
個人 AI 助手平台，回應以串流方式即時吐出來。
把 AI 助手接到 LINE 與 Telegram，一個工作區可以管多個角色與聯絡人。
拍照或輸入題目，一步一步講解怎麼解；AI 服務有六層備援。
在瀏覽器裡加密保存金鑰，用的是瀏覽器內建的 Web Crypto。
每天做了什麼，寫一行就好，跑在家裡的 NAS 上。
為了解決自己的問題而寫的東西，多數沒有對外開放的介面。
全部專案裡最早開始的一個：LINE 機器人加上一整套後端，排程、任務佇列、資料模型都自己搭。
這是我第一個真正意義上的後端專案：LINE 機器人在前面接使用者，後面是 FastAPI 撐起 44 個 API 端點與 18 個資料模型，Celery 跑排程與非同步任務，MySQL 存資料、Redis 做快取，整套用 Docker 跑在自己架的 Gitea 旁邊。它沒有用到任何 AI——那時候我還沒開始碰。
為了解決自己找案子的問題而寫：自動抓取職缺、分層 AI 篩選、追蹤投遞狀態。
用 Model Context Protocol 寫的伺服器，讓 AI 直接讀我自己的技能庫。
Model Context Protocol 是讓 AI 直接讀取外部資料的協定。我用 Next.js 寫了一個 MCP 伺服器，讓 AI 可以直接查我自己的技能庫，不必我把內容一段段貼進對話。資料層是 Drizzle 加 SQLite，另外接 GitHub API 抓 repo 資訊。
Chrome 擴充功能，把網頁上會讓自己分心的區塊遮起來。
Chrome 擴充功能，Manifest V3。作用很單純：把網頁上我自己會忍不住去看的區塊蓋掉——側邊的推薦、下方的相關影片、社群的動態牆。規則存在瀏覽器本機，不需要帳號，也不上傳任何東西。
用 Vision 框架做的拍照輔助 App，八個語系，目前在 TestFlight。
用 Apple 的 Vision 框架做即時畫面分析，搭配 AVFoundation 控制相機，在按下快門之前就先指出構圖的問題。八個語系、114 個 commit，目前在 TestFlight 上測試，還沒送 App Store 審查。
三天從企劃到送審的小遊戲 App。
重點不是它多複雜，而是我想知道把一個想法推到送審需要多少時間。答案是三天——含美術、IAP 設定與商店素材。
進銷存管理的原型，全部專案裡唯一用 Vue 寫的。
進銷存管理的原型：九張資料表撐起商品、庫存、進貨、出貨與客戶。這是我所有專案裡唯一用 Vue 寫的，刻意選它是為了知道 Vue 跟 React 在實際專案裡差在哪。
多數人把 AI 當答案機器：問完、接受、繼續。真正改變我產出品質的習慣，是把「產出」跟「檢查」分開。工作完成後我從不讓同一個對話評判它——剛寫完東西的人會替自己辯護，沒看過的人不會。
我曾經確信「把工作分給多個 AI 代理」是我開銷的元凶，所以什麼都塞在同一個對話裡。後來我實際去量了 170 場工作階段，發現主對話佔了約 88% 的成本，所有分派出去的工作加起來只佔 12%。我把因果關係搞反了。真正讓我記住的不是那個數字，而是我抱著一個沒查證過的定見好幾個月，而查證它只花了一個小時。
我的工作大量倚賴 AI，這點我不遮掩。但分工是清楚的：它處理量，判斷留給我自己。要做什麼、什麼叫做完、哪裡不能妥協——這些不外包。
我是華柏翰，逢甲大學光電科學與工程學系大三學生，預計 2028 年春天畢業。
我沒有資工背景，是靠著把想要存在的東西做出來，學會寫軟體的。我相信很多不在資工系的學生也能做出真東西——坐在我隔壁那個光電實驗室的同學也可以，只是從來沒有人告訴過他們。
接案、合作、或只是想聊聊你在做什麼，都歡迎寫信給我。