FDA 文件提取智能體：從正則到自癒 AI 的演進

處理海量 FDA 文件時，傳統 Regex 常因排版變動失效。本次演講將分享我們如何打造具備「自我修復」能力的 AI 智能體，解決極端排版的資料提取痛點。

演講亮點：

空間感知驗證：結合幾何座標與 11 階段混合策略，突破文字結構限制，精準鎖定關鍵資料。

自癒型 Agent：透過 LangGraph 構建 AI 協作迴圈。當提取失敗時，AI 能自動除錯、動態改寫程式碼並重新驗證，實現系統的自我進化。

雙模型架構落地：結合本地模型與 GPT-4o，兼顧成本效能並產出高準確率的終極腳本。

預期收穫：

掌握自癒型 AI 系統架構，學會融合「傳統程式穩定性」與「LLM 彈性」，將前沿技術轉化為大幅縮減工時的商業價值。

具備近 20 年軟體產業經驗，歷經技術管理與創業，深諳技術與商業結合。擅長挖掘企業痛點，以 AI 打造具商業影響力的解決方案。

關鍵成就：

▪️ 建置企業級 GenAI：開發 AI 知識夥伴，支援自然語言查詢與洞察生成。

▪️ 系統現代化：成功翻新 35 年專利系統，完成核心替換與數據遷移。

▪️ 推動數位轉型：導入 SCRUM 與自動化儀表板，提升交付與決策效率。

核心專長： GenAI & RAG、AI 產品管理、數位轉型與跨部門領導。