定位
我不是「會用 AI 的 HR」，而是「能建 AI 工具的 HR」。
在 CMoney 期間，我以「HR Builder × PM」的角色，把招募、行政、數據分析三個場景裡高頻、重複、依賴人工判讀的作業，一項一項重構成系統。以下五個代表作都是實作、多數已上線，並附上架構流程。
技術棧：Python、FastMCP / MCP Protocol、LLM 介接、DuckDB、Apache Parquet、PostgreSQL / SQL Server、Google OAuth / RBAC、Google Apps Script、GA4、Vibe Coding。
代表作 1 · HR Data Lake（旗艦）
用自然語言查詢 HR 數據——打通 SQL Server 與 LLM 的資料湖。
痛點：HR 數據散落在兩大 SQL 資料庫，主管每次要問「招募轉換率」「人才結構」都得人工撈資料、整理報表，耗時且無法即時決策。
架構
成效：5 級 OAuth 權限角色分級、每日自動排程抽取、系統自動產出 3 份 email 報表（人資長每日戰情室 / 資料湖健康度 / 數據取用稽核）與 1 個互動式決策儀表板。
為何是旗艦：這不是一支腳本，而是一套完整資料架構——從資料工程（Parquet / DuckDB 管線）、權限治理（OAuth RBAC 五級分權）到 LLM 介接。它證明我能獨立設計「HR 數據基礎設施」，而非只使用現成工具。
代表作 2 · 招募篩選 Agent
端到端履歷篩選自動化——含合規治理與人工決策關卡。
流程
治理設計：個資保護控制點內建於流程，確保履歷處理符合個資法（PDPA）；AI 只做初篩評分，是否進下一關與最終錄用皆由人資判斷——AI 輔助、不取代人。
訊號：大多數人做招募自動化只想「快」，我在設計時同步內建 PDPA 合規與人工決策關卡——這代表我理解「AI 落地的治理與風險」，而非只追求效率。
代表作 3 · 分機座位管理系統（已上線）
讓座位資訊「即時且真實」——593 席 · 457 員工 · 16 間辦公室。
痛點：舊系統以 Google Sheet 手繪座位表、換位另填 Google Form。表單識別困難、流程麻煩，多數人換了位置卻不填表，座位表長期失真，總務只能逐層人工核實。
架構
解法：拖拉座位放開即完成異動，取代填表，當事人自動收到通知；由人員主檔每日同步，新進入「待排定」、離退自動釋放座位並保留分機，免人工維護。SVG 樓層圖 1:1 對應實際格位；異動全程留稽核紀錄。
差異化訊號：這題的價值不在技術炫技，而在從流程根源解決「資料失真」——我看穿問題不是「表單太難填」，而是「只要換位要多一道手續，人就不會做」，因此把異動內建進換位動作本身。
代表作 4 · HR 行政自動化郵件平台（已上線）
9 支 HR 通知信的完整生命週期自動化——內建 7 條資安鐵則。
痛點：HR 例行通知信（新進、離職、留停復職、特休年資等）原以 Excel + VBA 排程（.xlsm）處理，維護困難、無權限控管、無稽核軌跡，寄送前難以預覽驗證，錯寄風險高。
架構
每支信 = 一個 job 目錄（job.json 定義主旨 / 收件人 / cron 排程 + main.sql 名單查詢 + 模板）；引擎每次執行重讀設定，改設定免重啟。
寄送前防護鏈
成效：9 支 HR 通知信上線、3 級角色權限控管、資安鐵則 S1–S7、100% 寫入操作留稽核。機敏值只進環境變數、服務僅綁本機、正式寄送需角色權限＋一次性 dry-run token＋確認勾選、稽核日誌僅可附加（只記筆數不記名單內容）、對正式 DB 的增刪改永不自動執行。
工程級治理訊號：我把「HR 行政」做成了符合 pre-IPO 內控精神的軟體——這是 HR 與資安治理的交集。
代表作 5 · 塔羅招募 Landing Page
創意 × 數據 × 雇主品牌的複合實作。
概念：將 79 張奧修禪卡對應 CMoney 三大核心價值，打造互動式招募體驗頁，讓求職者透過抽牌認識企業文化，同時完成雇主品牌溝通與數據蒐集。
數據設計
部署於 GitHub Pages，導入 GA4 追蹤四階段轉換漏斗，串接 104 招募平台完成投遞閉環。（另一個獨立版本《拆解思考卡》已上線。）
複合能力訊號：這個專案同時展現創意（把塔羅轉為雇主品牌敘事）、數據（GA4 漏斗設計）與技術（部署）——把「軟性的文化溝通」變成「可量測的轉換數據」。
工作方法論
讓 HR 轉型不是一次性專案，而是可持續運作的能力。
這套方法的價值，在於它讓 HR 轉型不依賴單點靈感或個人英雄主義，而是一套可複製、可交接、可規模化的能力。帶更大的 HR 團隊時，我會把它變成團隊的標準作業流程——這是我從「做工具的人」邁向「建能力的主管」的核心主張。