不是模型越強越好:AI 拍照辨識裡的產品取捨
這類功能不見得只靠單一模型完成,而可能是由多模態辨識、OCR / 文字辨識、搜尋補資料、資料庫比對與 LLM 整理判斷共同組成 ...
Observations from product work, startups, and building things.
這類功能不見得只靠單一模型完成,而可能是由多模態辨識、OCR / 文字辨識、搜尋補資料、資料庫比對與 LLM 整理判斷共同組成 ...
AI 教育產品裡,老師端真正難的地方不是「AI 能不能幫老師出題或批改」。產品上更重要的問題是:AI 如何成為老師判斷學生狀態的輔助,而不是取代 ...
這像是在替產品選擇硬體模組:要用 NFC、QR Code、Camera Recognition、BLE,還是透過磁吸、Hall Sensor 或其他感測方式來判斷? 但繼續往下深入 ...
學生端真正的挑戰,不是做一個可以和 AI 聊天的介面,而是讓學生知道自己哪裡不懂、怎麼開始、怎麼累積能力 ...
從美國 After School 教育場景出發,整理如何把一個模糊的 AI Education Platform 願景,逐步收斂成可以開發的 MVP。
當單一品牌 APP 需要轉向支援多品牌、多重權限與平台化應用時,真正困難的不是多做幾個功能,而是重整產品架構與商業假設。
畫面能正常出現,系統也能完成辨識,疊在畫面上的提示大致跟得上,分析結果看起來也頗為合理。可是用戶只要稍微換個...