以下是我以產品經理的角色，完整負責從問題定義、規劃、架構到部署落地；並以 AI 工具（如 Claude Code）為開發夥伴加速實現，而這些都是我接觸 Claude Code 不到兩個月的成果。我關注的不是「寫了多少 code」，而是能不能定義對的問題、設計出好的體驗、並把它真正落地——這正是 PM 的核心，善用 AI 獨立交付則是我的差異化加分。
問題：想打造一個能「主動關心、即時回應、並持續陪伴」的對話式助理，而不只是被動等指令的機器人。
我的做法：以 LINE 為載體，設計一套結合語意回應、情緒分類、主動推播與輕量小程式的對話體驗；用 Cloudflare 的無伺服器架構讓它低成本、全天候運作，並用 AI 工具協助我完成開發與部署。
辨識 20+ 種情境關鍵字，對應不同回覆與動作。
將訊息分為 4 類情緒情境，給出對應的安撫式回應。
5 組 Cron 定時任務，讓助理「主動關心」而非被動等待。
內嵌 9 個功能子頁，把複雜互動收進輕量小程式。
集點、成就、優惠券機制，提升回訪與黏著度。
同一套架構複用、部署第二個帳號，並做到環境完全隔離。
好的對話產品關鍵不在「能回答多少問題」，而在主動性與情緒體驗。把「被動等指令」翻轉成「主動關心」，是留存的分水嶺。同時我也驗證了：不會寫 code 的人，只要懂產品、會用 AI 工具，一樣能把完整系統 ship 上線。
問題：多分店的零售 / 餐飲場景，需要跨店即時同步的訂單、商品與庫存，傳統單機 POS 難以共享資料、也不易擴充。
我的做法：用 Cloudflare 的邊緣運算 + D1 資料庫打造雲端 POS，並以 Durable Objects 處理即時狀態同步讓多店資料一致。把整個專案拆成六個可驗收的里程碑，邊上線邊迭代。
面對龐大需求，「拆成可驗收的階段」比「一次做完」重要太多——每個里程碑都能獨立驗證、降低風險。我也學到先把核心功能（MVP）上線、再依使用回饋逐步補強，遠勝於追求一次到位。
問題：有價值的資訊（咖啡店評鑑、AI 工具）散落各處、難以累積與再利用，也沒有主動觸及使用者的管道。
我的做法：把資料結構化進可持續累積的資料庫，設計清楚的欄位；再串接定時排程，把資料自動整理、主動推播到 LINE / Telegram。
| 店名 | 地區 | 評分 | 特色標籤 | 筆記 |
|---|---|---|---|---|
| 範例咖啡 A | 大安區 | 4.5 | 手沖 · 安靜 | 單品選擇多 |
| 範例咖啡 B | 中山區 | 4.2 | 不限時 · 插座 | 適合工作 |
| 範例咖啡 C | 三重區 | 4.8 | 自家烘焙 | 豆子值得買 |
資料的價值來自「結構」與「流動」：好的欄位設計讓資料可被累積與再利用；自動化排程則讓它不必靠人力就能主動送達。這也是數據型產品的底層思維——先把資料整理好，價值才長得出來。