後端資料庫與邊緣運算可一併承接。從裝置端蒐集的資料，到後台的資料庫、權限與查詢介面，皆由同一窗口開發與整合，無須另行協調兩家廠商。
資料庫結構設計、API 開發，以及 ERP 與既有系統串接。著重資料正確、權限明確，異常發生時可追查紀錄。
將影像辨識模型部署於樹莓派、Radxa、Jetson Orin 等邊緣裝置，於現場即時判讀。影像無須回傳雲端，離線時亦可正常運作。
企業地端 AI 知識庫，已完成交付（客戶名稱保密）。因資料不得離開公司，資料庫、API 與所有模型皆部署於客戶自有主機。
客戶的內部知識分散於共用資料夾、紙本掃描檔、ERP 與維修紀錄中。新進人員須向資深員工詢問，資深員工則須逐一翻查檔案。客戶希望導入 AI，但這些資料不得傳送至外部雲端服務。
員工可用中文文字或語音提問，回答附原文出處。掃描文件先經視覺模型轉為文字，主要採用 PaddleOCR-VL，辨識失敗時自動改用 RapidOCR。
每項功能開發前，先將「使用者如何操作、應看到什麼結果」寫成驗收情境；自動化測試全數通過，功能才視為完成。重要的技術選擇皆記錄為架構決策紀錄，交接時客戶可清楚了解每項設計的理由。
顧客掃碼點餐，店家後台出單。顧客端與店家端分別部署，以 JWT 進行登入驗證。具備防超賣機制：多人同時下單時，售出數量也不會超過剩餘數量。付款串接 LINE Pay 與 TWQR。
實際部署於開發板、在現場運行的專案。
以兩種機型實作：大疆空拍機，以及自行組裝的 F450 四軸（大疆 FlameWheel 機架，常見於研究與競賽）。偵測模型部署於 Jetson Orin NX 機載電腦，空拍畫面直接在機上完成辨識，無須回傳地面站。開發過程中實測模型大小、速度與耗電之間的取捨，選定可於飛行中穩定運行的組合。
將 2D 光達掃描與 YOLO 影像偵測結果融合於同一畫面，並提供碰撞警示與 2D SLAM 建圖。推論可於 PyTorch、ONNX、RKNN 之間切換，部署於 Radxa ROCK 4D（RK3576，6 TOPS NPU）。無實體硬體時，亦可透過模擬模式進行開發。
樹莓派、Radxa、Jetson Orin 皆有實際開發經驗。三者的 AI 能力與成本差異顯著，選型將直接影響效能與預算。
| 板子 | AI 怎麼加速 | 最適合 | 模型格式 | 價格 | 耗電 |
|---|---|---|---|---|---|
| 樹莓派 | 主要仰賴 CPU；樹莓派 5 可加裝 AI HAT+（Hailo 晶片，13 或 26 TOPS），新款 AI HAT+ 2 具備 40 TOPS 與 8GB 記憶體，可執行小型語言模型 | 原型驗證、感測器資料蒐集、輕量辨識 | ONNX、TFLite；搭配 Hailo 時使用 HEF | 最低 | 低 |
| Radxa RK3576 / RK3588 |
內建 NPU，6 TOPS（INT8） | 成本敏感的產品、單路攝影機即時偵測 | RKNN | 中 | 低 |
| Jetson Orin Nano / NX |
GPU 搭配 TensorRT，為三者中算力最高：Orin Nano Super 67 TOPS、Orin NX 16GB 最高 157 TOPS（官方稀疏 INT8 數據） | 多路攝影機、無人機、需執行較大模型的應用 | TensorRT、ONNX | 最高 | 中至高，約 7–40 W |
選型前，會以貴公司的實際影像在候選開發板上實測，依速度與耗電數據提出建議。
競賽與自主研發專案。
參加教育部 AI CUP 2025「電腦斷層主動脈瓣物件偵測」競賽，以 DINO 偵測 Transformer 於心臟電腦斷層影像中定位主動脈瓣。該屆全國共有 536 隊參賽。
PyTorch、DINO、Swin / ConvNeXt
由六個 AI 角色分工開發；負責撰寫程式的 AI 不得自行評分，必須通過固定的檢查關卡。專案本身包含 2,896 個測試。
LLM agents、TypeScript
以 ESP32 驅動 240×320 SPI 小螢幕播放 GIF，並附轉檔工具。
ESP-IDF、C
由 LLM 即時生成劇情的中文恐怖文字冒險遊戲，包含調查、對質與指認兇手等推理玩法。
Python、pywebview、OpenRouter
先以小範圍驗證成效，再決定是否擴大投入。
了解要解決的問題、資料來源與執行環境，說明可行範圍與限制，並初估所需的主機或開發板。
以部分實際資料或現場影像，製作可試用的版本；確認成效後再進入正式開發。
每個功能先訂定驗收條件並與客戶確認。自動化測試通過且客戶驗收後，才視為完成。
完整交付原始碼、資料庫結構、API 文件、模型檔與部署腳本。後續擴充與維護可另行簽約。
PCCoder Lab 是台灣的軟體工作室，專精後端資料庫與邊緣運算，從裝置端到後台一站整合。
開發採多個 AI 代理分工，未通過自動化測試不交付，確保文件與測試完備。
曾指導學生 micro:bit 機器人車專題，善於把技術說明清楚。
可以。接手時會先釐清既有程式與資料表，補上自動化測試以固定現有行為，再進行修改，避免影響原本正常運作的功能。
取決於需同時處理的攝影機路數、速度需求，以及預算與耗電限制。上方比較表可作為初步參考；正式決定前，會以貴公司的實際影像在候選開發板上實測，依數據選定。
取決於開發板與模型大小。會先在目標開發板上量測每秒可處理的畫面數與耗電量；若速度不足，將縮小模型、調整輸入尺寸，或建議更換開發板。
預設不會。邊緣運算本身即在裝置端完成；後端與資料庫可部署於貴公司自有主機，亦可部署於雲端，依貴公司規範而定。
專案範圍會在初期明確界定，無法確實完成的需求不予承接。開發採 AI 代理分工，每項功能皆有自動化測試，交接時附完整文件，日後由其他人員維護也能順利銜接。
