耶歐本數位營建工作室

28/09/2026

前段時間聽了 Autodesk University 2026 的兩場精采分享，這兩場內容表面上看走的是不同路徑：一場在談「Revit 內建功能」如何直接落地（例如原生空間拓撲）；另一場則在示範「外部工具擴充」，如何用 pyRevit、API 突破限制，實現設變作業自動化。我們往往因為版本不足才去開發外部工具，但隨著 Revit 功能越來越強大、原生功能資訊連動性越來越好，很多過去得靠外掛的事，現在內建就能做到。而軟體功能逐年變多，但同時也意味著使用變得越來越複雜。

然而，這兩場同時所談到的重點都交集於此：工具再強，沒有正確的資料結構，一切都是空談。不管是原生工具還是外部腳本，若餵進去的資料不符合結構要求，算出來的就只是「光速產出的垃圾數據（Garbage in, Garbage out）」。

數位科技的「可用」，本質在於資料的「正確」；而資料的「正確」，則取決於「標準」的落實，也就是在源頭--資料是否以一致且規範的方式被產出。然而，推動「標準」往往不是純技術問題，更多的是組織與人性的「共識問題」。涉及的範圍越廣，需要磨合的共識越多，推動的政治難度也就越高。標準做在專案小組，能力就只能停留在專案內；標準落實在企業層級，這份數位資產才能被跨部門通用。現實始終是：標準定到哪裡，資訊的價值才能真正發揮到那裡。

28/08/2026

今天來示範：透過 AI在「建築營造開源知識庫」中直接檢索並互動「台灣機電物料百科」！

其實物料百科的底層架構非常純粹——盤點市場品項、給予清晰說明，如此而已。
身處「資料為王」的時代，我認為產業需要的，正是這份「純粹且正確」的數位原料來打穩地基🧐

先求「對」 → 再建「架構」 → 最後才能「可用」！

「台灣機電物料百科」的出發點，就是扮演最底層的數據原料地基🫡
就像先把裡的字彙與語法定義清楚，大家才能在其上揮灑，寫出優美流暢的；有了乾淨統一的物料數據，未來產業才更能加工、擴充出各種強大的資訊應用工具。

開源知識庫持續推進中，歡迎大家測試、與 AI 互動提問！
https://h30190.github.io/HJPLUS_Taiwan_Architect_KB/index.html
#台灣機電物料百科

19/08/2026

週二順利完成了高信工程北部辦公室的「Revit 企業標準作業環境」指導課程！🎉

很高興在課程結束後，大家對「企業 BIM 基礎資料庫」的重要性與建置方法有了更深共識，接下來我們就再來進一步展開協助企業整建 BIM 資料庫的合作吧！

實際走訪與輔導企業時，我觀察到兩個關鍵重點，也和大家分享：

1. BIM 資料庫建置，本質是「資料轉型」
說白了，就是把企業過去累積的工程資料與慣用規格，以系統化的架構「恰當」地移植到 BIM 工具的作業環境中。每家企業過往管理資料的習慣不同，也直接決定了數位轉型的難易度。

2. 別讓 CAD 的舊習慣，限制了 Revit 的真正價值
每個工具都有各自擅長的主場（Revit、CAD、Excel、SolidWorks、SketchUp…）。若過度要求 Revit 必須呈現出 100% 傳統 CAD 的視覺模樣，就像當年電腦剛導入 CAD 時，硬是要求電腦製圖畫出手繪施工圖的手感陰影一樣喔~

科技與主流工具不斷在進步。如果執著於過去非必要的作業形式，轉型之路自然容易卡~卡~卡；但只要心態一轉、順著新工具的邏輯發揮優勢，前面的路就會發現是豁然開朗的啦！

🛠️ 族群大小事——替你來完事！ 📐
讓我們一起把企業的 BIM 資料庫紮實建起來吧！

13/08/2026

自好可使自體偉大，共好則使群體強大。

日報晚點再放

#為什麼我弄建築營造開源知識庫？
因為實務上就是有一堆亂七八糟的資訊藏在各種邊邊角角，資訊零散還不打緊，夭壽的是常常一條法規各自解讀。

所以你也可以想開源知識庫就是個集散地，而且還是眾人一起維護更新的，他不是死的資料庫。

怎麼說呢？
上面放的是踩坑經驗，還會隨著時間成長跟進化，所以不只不用造輪子也不用重複浪費Token蒐集。

把token跟心力放在更好的地方不好嗎？啊，如果你想知道這在幹嘛，連結放留言

#雖然我也不懂為什麼主管機關可以到處挖坑

08/08/2026

台灣機電物料百科 ｜ TW-MEP-Spec-Wiki

這是快一年前所立下的職涯目標，希望建立「台灣機電物料基礎資料庫」，讓工程人員能快速查詢「現貨物料」與「實務用途」。

不過這目標的出發點，是為了打造產業的數據基礎，而第一步就是先把需求品項「列出來」。就像超商要先有商品名冊才能做 POS 統計，要打穩台灣機電工程數據地基，也該從盤點市場上的設備物料開始。

然而單純「開資料抽屜（列項）」屬於回報期長的基礎工程，在追求短期成果的環境下，「蹲馬步」的事往往不易獲得支持。因此為每個品項加上說明資訊，將它升級為「物料百科」，透過前期獲得「可查可用」的立即價值，來同步推動列項基建的長遠目標。

工程現場中，一線人員常因不熟悉現貨規格與用法，導致設計、建模到施工產生大量錯誤。這套百科希望能整合真實廠商型錄，讓設計、採購與製圖建模人員都能精準套用。

目前雖然僅從高興昌配管品項跨出第一步，但長期目標是統整台灣市場所有 MEP 廠商的真實品項。資料同步收錄在「台灣 AEC 產業技能開源知識庫」，歡迎下載查看或直接與知識庫 AI 互動。這是一個開端，期待未來能獲得更多資源，加速產業資料庫的完整！
https://github.com/h30190/HJPLUS_Taiwan_Architect_KB/blob/main/raw/%E5%B0%88%E6%A5%AD%E8%A4%87%E5%A7%94%E8%A8%97/%E6%A9%9F%E9%9B%BB%E7%B3%BB%E7%B5%B1/%E5%8F%B0%E7%81%A3%E6%A9%9F%E9%9B%BB%E7%89%A9%E6%96%99%E7%99%BE%E7%A7%91/domain.md
#台灣機電物料百科

01/08/2026

No Basic, No Magic!
週四參加營建 BIM 與 AI 研討會，深刻感受到焦點已回歸數據（Data）的實質價值。大家逐漸意識到：要讓 AI 不亂答、不產生幻覺，前提是提供「正確且可用」的資料——而這正是營建業所欠缺的短板。
實務上，未按圖施工、事後假 BIM 模型…這些行之有年的慣例，讓我們產業數據充斥著虛假與混亂。如果連專業人員都無法基於這些失真資料做出正確判斷，我們又怎能期待 AI 靠著不實基底而帶來神奇結果？因此，將散落資料整理成「可用的結構化數據」，是產業最迫切的作業。
資料結構化作業大致有三件事：明確項目（廣度）、定義欄位（深度）與建構體系（查詢）。而「列項」更是資料工程地基。
就像《英雄聯盟》數據庫，若連英雄角色都沒列出來，後續如何建立勝率、出場率等欄位；過去建構 BIM 企業元件庫時，我們也是從「品項歸納」做起，唯有先確定品項範疇，才能依序展開資訊架構設計、分類體系建立，最終落實有架構的數位模型資料庫。
然而過去的經驗，光是這「第一步」就讓許多團隊卡關。紙本圖面、PDF、散落各處的 DWG…長年缺乏維護，使得可用資料底座極度脆弱。
讓電腦替人類分擔是美好的遠景，但在眼光放遠之餘，更該踏實看清腳下的每一步。若要打造可用的數據基底，不如務實從整理「列項」作業做起！

26/07/2026

昨日參加了由徐灝兄 加號設計數位工程有限公司 發起的「產業知識庫」活動，我真心認為，這正是我們產業迫切需要的行動。

想要讓數位資訊真正發揮價值，離不開「可靠的標準資料」與「數據累積」，而這也正是我們營建產業長期欠缺的基本功。
我台科大機械所的指導教授鄭正元曾與我分享：半導體產業之所以能利用 AI 解決過往物理環境下的瓶頸，正是因為他們的每一筆模擬分析，都建立在「絕對可靠的大數據」之上。
而我回看自己所處多年的業界經驗與產業的現狀，大家處理資料的方式，往往多以「消極交差」的態度面對，導致產出的基礎數據與知識無法可靠。這種過去長期忽視底層資料價值的代價，勢必會讓我們在未來數位浪潮與 AI 的發展路上，走得更為艱辛。

「知識不該只存在個人的腦袋裡，而是需要被內化與數位化。」
這個知識庫計畫的核心，正是要把過去未落實的基礎知識與資料好好補上。讓寶貴的工程經驗不再隨著年資流失，而是轉化為台灣營建工程數位世界中，後輩與 AI 都能學習的「可靠養分」。
而「這正是我們產業迫切需要的行動！」

產業未來的樣貌，取決於我們今天的行動。希望所有關心產業未來的志士夥伴們，都能提供一點知識，讓我們都能有機會、有能力一同為這個由民間發起的開源知識庫灌溉一點養分！這份留給後輩的成就，不只是你我的付出，而是我們未來共同的產業競爭力。
https://h30190.github.io/HJPLUS_Taiwan_Architect_KB/?fbclid=IwY2xjawTSggpleHRuA2FlbQIxMABicmlkETFLYXY0ZDdJNjVBc3dyOGdwc3J0YwZhcHBfaWQQMjIyMDM5MTc4ODIwMDg5MgABHjOVf-hw5Yg6tcjV1zGq1YKLu1-_6IDUywN86s-aVT2Ki_7ekYj251nrQQYa_aem_7ymkkxEPz6ozPX5GY-4oHw

15/07/2026

No basic!No magic~

🛡️ 五層護城河很漂亮,但你可能連地基都還沒打
📝 上一篇拆完 Konduri 的五層複利護城河,有件事我越想越覺得該補——那五層能一層層疊起來,靠的是一個大家都沒明講的前提。
⚙️ 第一層「專有數據飛輪」要能轉,你的資料得先是「AI 讀得到」的狀態:接得起來、流得動、格式對得上。
😮‍💨 但我看過太多公司的真實樣貌是——
📄 最值錢的資料,躺在紙本工單裡、🧓 鎖在老師傅的腦袋裡、🕸️ 散在十幾個彼此不通的系統裡、📊 埋在只有某個人看得懂的 Excel 檔中。
❓ 這種狀態下導入 AI,會發生什麼事?
🤖 AI 吃不到你的獨門數據,只能吃網路上人人都有的通用知識。於是你花錢買的 AI,產出跟隔壁公司一模一樣。這就是「淺碟」——🌀 你根本還沒站上飛輪,只是在原地空轉,還以為自己在跑。
🧱 所以在第一層之前,其實藏著一個沒被畫出來的**「第零層」:數位地基。** 它不性感、沒有 demo 可以秀、KPI 也很難做得漂亮。
🏗️ 這幾年,我們公司大部分的力氣,其實都花在這一層。
☁️ 我們選擇基於 Google Cloud,一步步把資訊系統「雲原生化、而且自主開發」——不是買一套現成 SaaS 塞著用,而是照自己的業務長相,把系統一塊一塊長出來。過程慢、也沒什麼能拿出去炫的亮點,但它換來現在看最關鍵的兩件事:
🔌 一、每一個系統都開了 API。 這代表 AI Agent 能真正「接進」我們的流程去動作,而不是隔著一層玻璃、只能回答通用問題。上一篇講的第三層(代理式流程自動化),前提就卡在這裡——沒有 API,Agent 根本進不來。
⛽ 二、系統跑久了,沉澱出的是我們自己的營運數據。 這些數據餵給 Agent 去分析,長出來的判斷,是競爭者拿同一個模型也複製不了的。這就是第一層飛輪真正的燃料。
🔄 換句話說,當別人還在問「該用哪個 AI 工具」,我們已經在問「哪個流程,可以交給 Agent 接手了」。差別不在模型,在地基。
⚠️ 不過我想翻一層講,免得被誤會:
🚧 「第零層」不是要你等地基完美了,才准碰 AI。
🔁 現實裡更常發生的是反過來——是「想導入 AI」這個念頭,反過來逼一家公司終於肯去整理那堆爛了十年的資料、把流程數位化。
🚜 AI 不只是地基的「下游成果」,它常常是逼你動工的那台推土機。
😰 所以真正該怕的,從來不是地基還沒打好,
而是——明明還卡在第零層,卻以為自己已經在飛輪上了。
➖
🔍 回頭看你的公司:你最值錢的那份數據,現在是 AI 讀得到、Agent 接得進去的狀態,還是躺在某個人的抽屜、某顆硬碟、某個人的腦袋裡?
🙌 共勉之。
#數位轉型 #雲原生 #護城河

07/07/2026

台灣 AEC（建築×工程×營造）產業技能開源知識庫即將舉辦第一次的實體小聚啦！！！
本次小聚將邀請 Twinkle AI 創辦人黃亮勳，分享以開源專案發起的 AI 開發經驗。讓我們一起共寫開源知識庫內容——不管你是資深技師想解放重複勞動，還是新人想快速上手，這裡都有你的位置。改一個錯字也算貢獻，一起為產業建立一個真正 AI Ready 的開源知識庫！

報名連結在留言，掃QRCODE也可以

04/07/2026

https://cec.usc.edu.tw/Front/Classdetail?Group=374-%E6%A9%9F%E9%9B%BBRevit%E5%BB%BA%E6%A8%A1%E6%A8%A3%E6%9D%BF%E6%97%8F%E7%BE%A4%E8%87%AA%E5%8B%95%E5%8C%96%E6%95%99%E5%AD%B8%E5%AF%A6%E5%8B%99%E7%8F%AD&Session=20927&fbclid=IwY2xjawS1UnJleHRuA2FlbQIxMABicmlkETFDYzVSYVdXcEl0R0c4cHltc3J0YwZhcHBfaWQQMjIyMDM5MTc4ODIwMDg5MgABHoJSEe7SKs3eFQQcOVqvU9Gcq43RHJXVu5WumMEw4mEh_LIdoauRiJ5l8jvP_aem_69wX4ny5tpOVSThIqbPUgA
繼 5 月在實踐大學推廣教育部的團課順利結訓後，隨即又來洽詢 8 月底與 9 月的邀約，沒想到大家對於「機電 Revit 四系列基礎課程」的需求比想像中高，帶領學員從初階建模、中階樣板、高階族群，一路直通進階自動化。

評估了一下 8 月底、9 月雖然快沒空閒且充滿壓力，但為了回應這份信任與需求，那我就再度來協助開課任務囉！

最後一樣：🛠️ 族群大小事——替你來完事！ 📐 😂
除了課堂上的觀念相授，若您的企業在實務上有「族群元件」的相關服務需求，歡迎隨時洽詢我的作業服務！