陳可祐

成果課堂搶答答對不少題，小組成績全班第二名；產出兩份 Canva 簡報與三分鐘短講影片。佐證 ↗

學到與做到元素週期表與半導體材料、二極體、LED、電晶體、數位類比轉換；串並聯電路的設計與測試由我自己完成。小時候玩父親的零件箱、接壞不少零件，在這門課第一次派上用場。

期末影片作業「半導體如何影響人類的生活」，我這組選 Apple Vision Pro。正本裡的理由是：它被譽為撼動世界的巨作，但也有使用者說它很多缺點，「因此我選它做題材，做個流言終結者」。這是我最早一次不把單一資料來源當結論。

課程現場

成果課堂發言被三份不同組別的簡報收錄；高雄教育節策展，我以中英雙語向民眾解說電晶體與晶片原理。正本裡我寫：「真正有效的學習，是能解決別人所問的問題。」佐證 ↗

核心理論CPU 與 GPU 架構差異、Apple M 晶片 vs. Intel、場效電晶體、Planar FET 到 FinFET 的結構演進與優缺點。概論課教我元件是什麼，這門課教我為什麼要把元件做成那個形狀。

動手做nMOS 開關實驗與漏電流測試、藍牙音響內部拆解、Fritzing 電路圖、成本估算；TinkerCAD 模擬後於麵包板搭出控制風扇轉速的互動展品，就是教育節攤位上讓民眾動手轉的那一台。

最打到我的一題手機為什麼會發燙。答案是我自己量到的漏電流——電晶體理論上關閉時仍有電流漏過去，乘上一顆晶片裡數十億顆，就是掌心那個溫度。課本不會寫，是我量出來、再接回生活經驗才真的懂的。FinFET 用立體閘極包住通道，要解的正是同一題。

產業洞察CUDA 平台、Intel／NVIDIA／台積電產值走勢，以及NVIDIA 與 Intel 的衰敗與轉機分析——課堂上分析的不是誰技術強，是一家公司為什麼判斷錯、又怎麼翻回來。另有一項作業是寫信給半導體工作者，那是我第一次意識到：想知道的事，可以直接去問。後來寫信給網站站長、設計訪談題綱，都是這個動作的延伸。

課程現場

做過的實作：課程指定主題為極端氣候適應與能源永續淨零碳排；以黃金圈法則先想 why 再想 what。

具體成果：產出智慧電網專題；並建立我的 AI 使用觀念——老師的原話是「垃圾進去就會垃圾出來，可是若把黃金丟進去，可能就是大黃金跑出來」。

做過的實作：Onshape 3D 工程製圖、GeoGebra 仿生獸機構設計。

具體成果：具備 3D 製圖與機構設計的基礎操作能力。

六個現場，各自看到的東西不一樣：

日月光集團看封裝完成的晶片，包含 Apple M2 晶片的封裝 demo。這是我第一次知道，一顆晶片做完之後還有這麼長的一段路要走。

南臺科技大學無塵室前段體驗：穿上無塵衣、進室前的 Air Shower 除塵。第一次穿上無塵衣，看到課本裡的晶圓實物。佐證 ↗

成功大學半導體研究中心看到採用台積電 CoWoS 封裝技術的設備，也看到測試儀器，以及這裡的學生在研究哪些方向。這是我第一次意識到，同一件事在公司裡和在實驗室裡，被問的問題是不一樣的。

旺宏在半導體公司裡聽到的一句話我記到現在：唯有先內化過，才有辦法把東西講出來。後來我在科展答辯、在教育節攤位上解說，靠的都是這件事。

SEMI 國際半導體論壇（SEMICON Taiwan 2024）聽專家分享產業趨勢。這是我第一次站在整個半導體產業的展場裡，也是我第一次發現——課本上的那幾章，外面是一整個產業在做。

臺中科博館「半導體的世界」高一下進階半導體課程的參訪，把課堂上的 FET 結構放回展示脈絡裡看。佐證 ↗

兩位業界工程師：高一上下各訪談一位，一位來自台積電、一位來自南茂。他們給我的不是技術，是做事的方法。正本裡我記了四句。

我的體會：「視野擴大，不是活在自己的象牙塔裡面。」我去這些地方的動機很單純——能看到平常看不到的機台。但走完六個現場之後，我看到的其實是同一件事：不同功能的晶片、不同製程的元件，最後都要被封裝、互連、整合成一個能穩定運作的系統。「整合」本身就是一門需要扎實訓練的工程——這個畫面後來一直影響我看待自己作品的方式。

還有一件不在技術欄位裡的事：參訪的過程中，老師是用中英文帶我們的，這是我第一次在真實情境下用英語溝通，不是在課堂上做角色扮演。後來我在高雄教育節能用中英雙語對民眾解說電晶體，起點在這裡。

提出製作方向、領導小組並分配工作、監督執行進度、修正與製作書面報告及海報、Node-RED 網站架設、電路板與 Node-RED 程式碼實作、資訊統整。

分工佐證：第二十五屆旺宏科學獎參賽切結書（編號 SA25-816）第五項「整體貢獻度」欄位正式登載：陳可祐 50%、翁昱傑 25%、許祐恩 25%，並由三位隊員與指導老師謝孟翔於 115.5.20 共同簽認。

架構為：模擬輸入 → Node-RED 規則式決策層（依社會外部成本排序調度優先序）→ MQTT → 雲端記錄與燈號告警；硬體以 Arduino 與麵包板做縮尺呈現。

兩個我認為值得說明的設計判斷：一是納入真實的機組升載速率差異（燃煤僅 5.5 MW/min，水力 33 MW/min），因為調度可不可行取決於機組跟不跟得上；二是分級限電順序定為工業 → 商業 → 民生，民生永遠最後——這是價值判斷，不是技術判斷。

系統實體與畫面

採衝擊路徑法（Impact Pathway Approach, IPA）——歐盟 NEEDS/ExternE 計畫及 OECD 認可的由下而上貨幣化評估法，四步驟為排放盤查、大氣擴散模擬、劑量反應函數、貨幣化轉換。

文獻依據包含《臺灣能源期刊》火力發電健康衝擊外部成本分析，以及中研院環變中心的推估公式。附錄中每張自製表格均標註「研究者自行繪製」並附上原始資料出處。佐證 ↗

資料來源與記錄

地震、颱風、水庫面板刻意不自動控制電網，理由有三：時間尺度不匹配、天災初期資訊不完整、以及「是否預防性降載」涉及風險權衡而需要人類判斷。

這與我後來在 HERMES 上堅持的 AI 權責邊界是同一個判斷。

程式碼的生成可以交給 AI，但「系統應如何架構」「調度邏輯是否符合電網的物理現實」屬於人的責任。

團隊在官方文件中把這個原則稱為「80/20 Vibe Coding」，該比例為心力配置的描述，非量化數據。

初期方向為用戶端的「配電雙向溝通與用電分配」。指導老師質疑「再生能源隨時在波動，你根本無法控制發電端」，我在團隊討論中也提出「雙向溝通是個死路，我一直想不出來要怎麼做」。

最終於一次長達一小時的團隊會議中轉向發電端的即時調度，並確立三項決策：以「決策大腦」為核心定位、翻轉「以火力為基礎、再生為輔」的傳統邏輯、以「決策透明化」為最大差異化。

開發後期我主導與 AI 的交叉除錯，採「計劃審核機制」將程式碼同時交給多個模型偵錯並逐條人工審查。第 11 週發現 PM10 與 PM2.5 的口徑混亂，屬致命問題，隨即緊急修正並重構 Node-RED 的計算公式，改用 PM2.5 專屬社會成本係數。

此錯誤並非我肉眼發現，是 AI 重複交叉檢查才抓出的。這件事讓我體會到，學術引用不只是把數據填進公式，必須釐清數據背後的定義與限制。

專題需要台灣即時發電量數據時，我發現有第三方網站將台電公開資料整理得清晰即時。我以代表專題小組的身分主動具名去信站長請求以 iframe 嵌入展示，並在信中主動承諾四件事：

• 僅作畫面展示不修改內容
• 不作商業用途
• 於作品說明與口頭發表中明確標示來源
• 絕不將相關成果視為本組自行開發之內容

當日即獲同意（2026-02-12）。佐證 ↗

問題規模：某火力發電廠一次大規模檢修，涉及 275 張正卡、1,717 項隔離操作、15 個同時作業的課組，紙本卡片分散在 40 多座卡櫃中。一筆漏看，都可能變成風險。

某火力發電廠大修期間的「掛卡」（工作許可／設備隔離掛簽）流程，原本靠一本含 VBA 巨集的 Excel 活頁簿，加上分散在數十座卡櫃中的實體紙卡運作，橫跨十多個課組同時作業。

台電本身雖有掛卡系統，但功能限於開卡、查詢與產生流水號，無法跨單位即時協作。

這三件事的共同點不是技術，是知識的位置。原本這套流程能運轉，靠的是資深人員腦中的判斷；新人要學會，只能靠跟班與口耳相傳。我做的是把那些判斷從人腦移到系統裡，讓它可以被查、被追、被交接。這正是我後來才知道它有名字的東西——知識外顯化。

現場端是電子紙掛卡（Spectra 6，4.3 吋）加 QR 掃碼回報，後端是一套帶權限控管的 Web 服務與資料庫。

技術組成為後端搭配 SQLite 與瀏覽器 SPA；以 qrcode[pil] 產生 QR、撰寫 xlsm→JSON 匯入腳本，並打包為 Windows 單機版。

• 全專案對外資料去識別化：場站、機組編號、人員姓名、設備與盤面代碼皆替換為虛構值
• 另立《保全稽核報告》作為單一真實來源，並撰寫冪等清洗工具
• 展示帳號自造、密碼經 werkzeug 雜湊；正式模式下 SECRET_KEY 未設定即拒絕啟動
• 稽核技術發現：前三次稽核都掃不到敏感字，根本原因是 .xlsm 內的中文以 XML 數值實體儲存，直接以中文比對永遠回傳零。正確做法是先還原編碼再比對。本輪清洗 2,433 處

以電子紙取代一次性紙卡達成資源循環；並就「掛卡疏失 → 設備誤操作 → 機組非計畫性停機 → 補載燃料增耗 → 碳排增加」的因果鏈做量級估算（已於簡報標註「量級估算，非精確值」）。

擴展規劃：單一電廠 → 半年內同公司其他廠複製部署與 NFC 實驗版 → 一年內擴及火力電廠與民營 IPP 電廠。

針對競賽規則與五項技術主張，我逐項向官方一手來源查證，並主動推翻或修正三處原有說法：競賽評分權重的認知錯誤、一則電子紙應用案例查無原始新聞依據、以及一項規格數字來源為第三方經銷商網頁而非原廠官方。查證報告結尾我寫明「未替你們捏造具體案例或數字」。

三層問題意識：資訊不對稱、數位弱勢族群的數位不平等、需求錯配造成的資源浪費（違反 SDG 12）。問題來源為真實觀察——社群截圖中銷售員「連處理器都說不出來」卻能「熱情推薦」。

對策是「規格轉譯系統」而非比價工具：把 120Hz 翻成「滑動流暢感」，讓不懂科技的人可以用「拍孫子清楚」「玩遊戲不卡」這樣的日常語言檢索。

系統畫面

蔡孟芳教授的「不應該這麼發散，要聚焦在一個點把它做到極致」是本作品最關鍵的外部回饋。另有現場業界人士與高雄高工資訊科主任的審閱建議。

獎狀與外部審閱

繳件前 Google 政策調整、舊模型遭撤除，系統一度無法串接 API，我改以側錄影片呈現成果。這讓我第一次意識到技術選型要考慮長期存取權，而不只是當下好不好用。

我做的事：解說電晶體原理，對象是一般民眾，形式為中英雙語。

我學到的：同一個原理要換兩種語言講，逼我先確認自己真的懂。

我做的事：擺攤主題「數位與類比的探索之旅」——說明數位是「選擇性取樣」、類比是「連續性存在」，並以高階 DAC 晶片讓聽眾親耳聽出細節丟失與真實還原的差距。

發生了什麼：我原以為黑膠靠上下刻痕運作，被東吳大學物理系陳秋民教授當場糾正——黑膠靠左右偏移，立體聲來自唱針兩側線圈的感應電流差。他還現場寫下公式推導。

當天現場

我做的事：於高雄教育節自主學習年會（青春來說課）以口語表達為主的競賽形式發表手機篩選系統，對象是教育局評審與聽眾。

我學到的：把一份技術作品講成一堂別人聽得懂的課。佐證 ↗

我開發了一套把「客戶一句話需求」轉為規格書與上市計畫的方法論套件（53 個檔案、12 個版本迭代），作法是反覆請 AI 開發、由我把關。

真正值得說的是我在裡面訂的硬規則：AI 不得代填「實際結果」欄、無資料時 KPI 欄位留白不得用印象估。我當時寫下：「『待驗證』的實際功能不是誠實，而是把責任預先推給未來。」

定義角色、說明任務、設定限制、指定產出形式。

先把需求告訴一個 AI，請它產出提示詞，我審閱修正後再交給實際執行工作的 AI。業界稱此類技巧為 meta-prompting，我不主張獨創。

送出前先要求 AI 扮演「最嚴格的評審」來拆自己的專案。我為此建過一個檔名叫「找麻煩」的檔案，讓它回一份含嚴重缺陷與數據可信度質疑的批判報告。

把可實作的 AI 視為最珍貴資源，只用在真正需要動手產出系統的任務上；單純的搜尋、查資料與初步整理，一律交給網頁版處理。