AI-Ready-Data

Imported from weihong931021/AI-Ready-Data (AGENTS.md). Install upstream with npx skills add weihong931021/AI-Ready-Data. Copyright stays with the author.

Codex 記憶 — 2026 精誠 AI 競賽（第二題）

專案一句話

參加 2026 精誠資訊 AI 創新競賽（AI Ready Data — 打造理解關聯的智慧大腦），用 EAP / Gemini Data 平台的 Hybrid RAG（Vector + Graph）+ Vibe Coding，做一個資訊服務業勞動合規與職災風險作戰室：以 B2B 企業風險決策為主軸，保留勞工權益雙面介面作為同一知識庫的第二視角。

關鍵時程

題目方向（已鎖定）

主軸已升級為 資訊服務業 / 系統整合業的勞動合規與職災風險作戰室，用 B2B 企業風險決策包住勞工權益雙面介面。

• 企業端：系統上線過勞、夜間值班/on-call、incident 緊急維運、駐點客戶現場、職場不法侵害與性騷擾處理。
• 勞工端：職災認定、傷病/失能/死亡/醫療/照護給付、申訴處理、必要證據與受理單位。
• 同業風險：603 筆 GraphRAG 裁罰案例節點 + 26,513 筆完整裁罰資料層。
• 技術賣點：PDF VectorRAG 處理法規/指南原文，CSV GraphRAG 承擔事故到義務/權益/風險的推理鏈。

平台關鍵限制（EAP / Gemini Data）

• 平台網址：https://cloud.geminidata.com（只支援 Chrome）
• 上傳格式：
  • VectorRAG（Documents）：PDF + xlsx
  • GraphRAG（Data Importer）：CSV ← 從工作坊截圖確認
• xlsx 規範（嚴格）：
  • 第一列必為欄位名
  • 禁止合併儲存格
  • 一格一個值，禁止陣列（多對多關係要拆關係表）
  • 日期 YYYY-MM-DD
  • 數值欄位純數字、不能有單位
• 節點識別：Category（標籤）+ Unique Key
  • 同 Category + 同 Unique Key 自動合併
  • 不同 Category 不會合併（即使 Unique Key 同）
• Data Flow = Source + Model + 按 Start
• 編輯後務必 清空畫布 + 全部 Data Flow 重跑
• 畫布顯示異常 → 登出再登入

API（Vibe Coding 用）

• 文件：https://cloud.geminidata.com/api/docs/
• 核心三 endpoint：
  1. POST /api/v1/chat/create 建聊天室
  2. POST /api/v1/chat/{chat_id} 送問題
  3. GET /api/v1/chat/{chat_id}/messages 讀歷史
• 一個 chat = 一段完整對話生命週期
• Cypher 語法：Neo4j v5，禁用 OVER()

初賽提案結構（從範例 PDF 反推）

15 頁 PPT，檔名 隊伍序號_隊伍名稱_提案標題，必含：

1. 痛點 problem statement ─ 受眾 × 痛點表
2. 應用情境與商業價值 ─ 解決什麼痛點/加速什麼流程
3. 技術應用規劃：
   • 結構化 / 非結構化資料來源（含 URL）
   • 資料處理流程（如有 AI 生成 → 附 prompt）
   • 模型設計（節點 / 關係 / Unique Key）
   • 技術架構圖：使用情境 → API → 語意知識網 → 資料來源
   • Context Engineering（系統提示詞）
   • Prompt Design（範例 QA 分類）
4. 實作成果 DEMO ← 必須有 EAP 平台真實 QA 截圖
5. 介面設計初步構想

評分權重推測：25% 痛點 / 30% 技術 / 20% 實作 / 10% 介面 / 10% 商業

資料範圍（v3 最新）

• 5 類事故：通勤事故、工地墜落、搬運受傷、化學品暴露、過勞。
• 32 份 PDF：23 部官方法規 + 給付指南 + 重大職災/列管/判決案例 + 3 份資訊服務業增強指引 + 2 份教學參考彙編。
• GraphRAG 節點：17 種正式節點、754 個節點；新增工作情境、證據資料、處置任務、企業角色，10_裁罰案例_精簡版.csv 只是備份，不列入正式上傳。
• GraphRAG 關係：20 份關係 CSV、2,303 條邊，已拆開 R9/R12/R13，並新增 R14-R20 支援資訊服務業情境推理。
• 裁罰資料層：16 份裁罰補充 CSV；完整清理表 D_全部裁罰案例_清理版.csv 共 26,513 筆。

主要資料來源

• 全國法規資料庫 law.moj.gov.tw（PDF/API）
• 勞保局 bli.gov.tw 職災保險專區（PDF）
• 政府資料開放平台 data.gov.tw（CSV → xlsx）
• 勞動部法規查詢系統 laws.mol.gov.tw（函釋，需爬蟲）
• 職安署 osha.gov.tw（職業病、案例）

GraphRAG 建模骨架（已對齊平台規範）

最新上傳以 CSV 為主，詳見 資料總覽_v3.md 與 實作流程.md。

核心推理路徑：

事故 → R1 → 法規 → R2/R3 → 義務/權益 → R4/R5 → 文件
義務 → R9/R11 → 刑責/治理風險
事故 → R10/R12 → 民賠/刑責
刑責 → R13 → 負責人連帶刑責
裁罰案例 → R7/R8 → 事故/法規

分工切點

待確認事項（使用者尚未回覆）

1. 工作坊有去？拿到 EAP 帳號了？
2. 隊伍編號 / 隊名（檔名規範用）？
3. 團隊人數 + 是否有 Python 能力？
4. 範圍鎖定（5 事故 × 10 法規 × 6 都）是否 OK？

專案內檔案

文件

• 提案想法.md ─ 提案論述（痛點、解法、雙面介面、評分對應）
• 資料準備計畫.md ─ PDF/CSV 清單、平台規範、時程
• 資料總覽_v3.md ─ 每個檔案的內容與用途（最新；取代 v1）
• 實作流程.md ─ 上傳到 Demo 的步驟
• Demo案例.md ─ 7 個完整 demo 場景（含 B2B 三軌責任）
• 競賽策略與API.md ─ API 用法 + 得名分析 + PPT 建議
• 設計升級_v2.md ─ v1→v2：加入真實裁罰
• 設計升級_v3_B2B.md ─ v2→v3：B2B 軸 + 民刑事責任
• 比賽網頁內容.md ─ 競賽官網全文
• AGENTS.md ─ 本檔（專案記憶）

參考 PDF（主辦方提供）

• 12_關公都點頭(決賽第一名).pdf ─ 去年第一名作品
• 2026 AI Ready Data工作坊簡報(講義).pdf ─ 平台教學
• 2026 初賽提案簡報範例.pdf ─ 提案格式參考

資料夾（v3 重整後）

• 資料/1_原始下載/ ─ 23 法條 + 1 給付指南 + 2 重大職災 + 1 判決 + 4 裁罰 CSV（25K+ 真資料）
• 資料/2_自製整理/ ─ 函釋彙編 + 案例彙編（教學參考）
• 資料/3_EAP上傳/ ─ 整合版：29 PDF + 13 正式節點 CSV + 13 關係 CSV + 16 裁罰補充 CSV
• 資料_舊版備份/ ─ 舊結構備份（可刪）
• scripts/ ─ 11 個腳本（爬蟲 / 整合 / 重整）

節點/關係統計：17 種節點類型（754 節點）、20 份關係（2,303 邊）、0 個懸空指向

關鍵風險

• 5/10 前必須有 EAP QA 截圖，不能只是紙上提案 → 資料上傳要在 5/8 前完成
• xlsx 合併儲存格 / 陣列值會被平台拒絕 → 多對多關係必須拆關係表
• 編輯 Data Flow 後沒清空畫布會資料不同步 → 改完一定要清+重跑