導入與顧問服務

您有一套跑了十幾年的系統，它還在動，但沒人敢動它——原作者走了、文件沒了、改一行不知道會牽動哪裡，想換掉也沒人說得準要花多少。健檢就是在您真的動手之前，先把三件事講清楚：現在的風險在哪、換掉大概要多少成本、該怎麼分階段換才安全。

通常是這幾種時候，最值得先做一次健檢

• 寫這套系統的人要離職或退休了——人還在的時候交接最便宜
• 要換 ERP、上雲或大改功能之前，得先弄清楚舊系統藏了哪些業務規則與介接
• 有人要來查：客戶的供應商稽核、ISO 27001 驗證、上市櫃內控查核，或併購前的盡職調查
• 出過事之後：資安事件、當機，或改一行就壞一片
• 接手別人的系統：換外包商、承接標案，或新主管上任要先弄清楚狀況
• 要編預算，需要一個「換掉大概要多少錢」的數字

三種範圍，從最小的開始也可以

資料庫只需要建立資料表與預存程序的腳本，不需要資料，也不必開放連線。成本資料一時給不出來也能做，只是成本比較會只比範圍與難度、不填金額。

以上均為未稅價，臺灣客戶另加 5% 營業稅並開立統一發票。實際報價依系統規模與技術棧複雜度調整，計算方式見下一段。

報價怎麼算出來的

上面是基礎價，實際報價再乘一個複雜度係數。單一現代語言家族、單一資料庫方言算 ×1.0；混了兩三種語言，或含 Delphi、Visual FoxPro，算 ×1.3；四種以上混在一起，或含 Pro*C、COBOL、PowerBuilder、VB6、SAP ABAP，算 ×1.6。計價綁的是被分析的系統，不是您公司的規模——同樣五萬行，一個純 C# 系統和一個混了三種 SQL 方言的系統，判讀工時差好幾倍，不該同價。不確定自己屬於哪一級，就從重點健檢開始，摸清楚再報後面的價。

您會拿到什麼

• 現況盤點：程式規模、技術組成、相依套件，以及專案相依與分層架構圖。圖由分析引擎產生，我挑看得懂的放進報告，必要時重畫
• 風險清單：SQL 注入、效能瓶頸、結構漂移、被吞掉的例外等，依嚴重度分級並附檔案與行號
• 合規對映：對應 ISO 27001、個資法、GDPR 等框架，依您的產業挑選
• 遷移成本比較：維持現狀、就地升版、換技術棧，三種情境的成本對照
• 分階段建議：哪裡先動、哪裡先別碰，每一段的風險與工時估算
• 一頁主管摘要，給要拍板的人看

想先看成品：我們拿停止維護的開源議題追蹤系統 BugNET 真的跑了一次，人工判讀後寫成這份範例。開源專案沒有營運成本，所以範例的成本比較只比範圍與難度、不填金額。 下載範例報告（PDF，12 頁，繁體中文） ›

流程（重點與標準健檢，您大約投入一到兩小時）

1. 1 確認範圍 簽保密協議，一起把要看的系統與資料庫框出來。通常 1 天。
2. 2 接上程式碼 兩種接法。分析引擎（Agent）裝在您的環境執行，程式碼不離開您的網路；或由您提供唯讀的儲存庫存取或壓縮檔，程式碼在我的電腦上分析，受第一步簽的保密協議約束。通常半天。
3. 3 自動掃描 Agent 跑盤點、相依、風險與合規規則。通常 1–2 天。
4. 4 人工判讀 我逐項看過引擎的輸出，把不是問題的剔掉，把真正要緊的寫成您看得懂的結論。通常 3–5 天。
5. 5 交付與簡報 交報告，並做一場 30 分鐘的線上簡報，把結論講給要拍板的人聽。通常半天。

關於雲端 AI：報告文字預設用 Google Gemini API 的付費服務潤飾與翻譯，送出的只有報告段落與分析摘要（例如缺失說明、檔案路徑、類別與方法名稱），不含原始碼；分析程式碼的階段完全不呼叫雲端 AI。依 Google 條款，付費服務的內容不會被用來改進 Google 的產品，Google 只為偵測濫用與法律要求在有限期間內留存，可能在 Google 設有設施的任何國家暫存；我也不會用您的程式碼訓練任何模型。簽約時可以選擇不使用，引擎改用範本文字，交給您的報告仍由我撰寫。

健檢含分析、評估、報告與線上簡報，報告為繁體中文的 PDF 與 Word。不含實際遷移或改寫程式碼——那是另一個專案，等您看完報告、確定值得做，我們再談。

把大型語言模型放進您自己的機房或雲端帳號，讓資料與提問都不離開您的邊界。適合法遵要求嚴格、或不能把原始碼與客戶資料送到外部服務的團隊。我們負責從界線盤點到交接的整段工作，交接之後由您自己維護。

1. 1 盤點與界線 先確認哪些資料可以離開、哪些不行，以及法遵要求與現有的機器和網路條件。
2. 2 評選與比較 依任務類型與流量，比較可用的開源模型與硬體方案，含成本、風險與不建議的選項。
3. 3 部署在您的環境 在您自有的 GPU 主機或內網環境架起服務，介面沿用業界通用規格，日後要換模型不必改應用程式。
4. 4 接上治理與稽核 誰用了什麼、花了多少、答案依據哪些資料，都留成可查的紀錄，交得出給稽核看。
5. 5 交接與可重跑 部署腳本與設定留在您的程式碼庫。換模型、擴增機器或重建環境時，再跑一次就好。

這條線的重點不是模型多新，而是把邊界、成本與可稽核性一次講清楚——這三件事決定這套系統能不能在您的公司長期活下去。

我們也可以為您打造專屬的 AI 工作流程。下面這個案子就是為線上課程客戶規劃建置的字幕處理管線。

七堂課、22 段影片。機器聽寫出來的稿子，聽錯的字、不對的標點、講話時的贅詞全都在裡面。我們為這個案子打造了一套可重跑的 AI 工作管線，依該領域的專有名詞與講者本人的發音習慣逐句修正，把長段語音切成讀起來自然的句子，讓錄音變成可以直接閱讀的文章、正確流暢的字幕。

這套管線怎麼跑

1. 1 機器辨識 先把語音轉成逐字稿。這份只是半成品，錯字與結巴都照樣記下來。
2. 2 逐句校正 依該領域的專有名詞與講者的發音習慣，修正錯字、標點與口語贅詞。
3. 3 自然分句 一句一畫面，長度受控，專有名詞與引用出處不會被切成兩半。
4. 4 自動檢查 用字一致、檔案編碼、繁體純度、每行長度，全部由程式把關。
5. 5 對時間與交付 句子對到影片時間點。真的聽不清楚的地方不猜，列成清單附上時間點，留給最清楚內容的人判斷。

管線留給了客戶：講稿每改版一次，就省下一次全篇重校。同樣的做法可用於手冊、課程與產品文件的多語版本。