🧭 通報策略自動推薦
1. 場域背景
iSeek 把客戶既有監視器升級為 AI 主動監控。 新鏡頭導入後，PM 需要替每支鏡頭設「信心值」和「持續秒數」兩個參數，系統才能判斷什麼事件該發報。
實務上，這兩個數字很難用猜的。同一型號鏡頭在不同工廠、不同角度、不同光線下，需要的設定都不一樣。 設得太嚴謹，該通報的事件沒通報；設得太寬鬆，一直亂叫客戶受不了。
目前解法是：PM 在現場反覆調、遠端語音遙控調、Anna 跟 Lasy 一起看鏡頭、試個半天。 這不是模型問題——模型準不準是另一回事——這是數學問題：要從歷史資料中找出最合適的門檻。
2. 核心想法
攝影機一裝好，先用最嚴謹的預設值避免誤報；讓系統默默觀察幾天後，再由演算法推薦幾種「通報策略」，客戶只需要一鍵選一個，不用懂數字。
三種通報策略
適合高風險場域
一般場域預設
犧牲部分即時性
名稱可以微調；三類或五類都可，重點是「讓客戶用直覺選，不需要懂數字」。
3. 目標體驗
🏢 客戶（鏡頭擁有者）的體驗
- 裝好鏡頭後什麼都不用設，系統自動用嚴謹預設觀察
- 幾天後收到通知「這支鏡頭觀察完成，建議你選…」
- 看三張卡片（最快速／標準／最穩定），每張卡片附上預估每天幾次通報
- 點一下套用，完成
- 全程不用看到 0.7、3 秒之類的數字
🛠️ 瑞艾內部 PM 的體驗
- 同一套邏輯但看得到實際數字
- 可批次對多支鏡頭套用策略（不用一支一支調）
- 遇到客戶反映「這鏡頭太吵／太安靜」，能重新觸發分析
- 可查「為什麼推薦這個值」（依據資料量、分佈、統計）
4. 設計原則
演算法不能是黑盒子。每次推薦都要能反查依據——給客戶看簡化版，給 PM／管理員看完整統計。
客戶端永遠不出現信心值、秒數這類參數。只有「直覺的選項」和「預估結果」。
瑞艾 PM 看得到實際數字、能手動 override、能批次操作。工程人員的工具不要為了簡化而剝奪能力。
客戶選了哪個策略、什麼時候選的、之後有沒有改——都要留紀錄。這是未來改良演算法的養分。
PoC 階段用簡單統計就好。但介面設計要讓日後換更複雜的演算法（例如 ML 模型）時不用改前端。
5. 功能範圍
做什麼
- 新鏡頭「先嚴謹後自動推薦」的整條流程
- 客戶端選策略的簡單 UI（3 個選項＋預估通報量）
- 瑞艾 PM 的批次設定工具
- 管理員的可解釋性查詢
- 查看單一鏡頭的辨識狀況（信心值 vs 時間的分佈）
PoC 階段不做
- 不做「自動套用」——永遠留一步讓人確認
- 不做複雜的 ML 模型——先用統計分位數就夠
- 不自動排程——先支援「PM 手動觸發重新分析」即可
- 不跨鏡頭學習——同一支鏡頭自己的歷史就夠
- 不對客戶公開——先給瑞艾 PM 內部試用
6. 交辦給前後端的思考方向
🎨 前端思考題
- 三張卡片的 UI 怎麼呈現？要不要加動畫或視覺比較？
- 客戶「不懂數字」，但如何讓他們有信心做選擇？（例如附每天通報量預估）
- 批次設定對 PM 要多直覺？像購物車？像表格勾選？
- 可解釋性頁面給管理員看多少資訊？統計圖表還是原始數據？
- 鏡頭狀況查詢頁要用什麼圖表最直覺？（散佈、熱力、折線）
⚙️ 後端思考題
- 「觀察完成」的標準是什麼？N 天？N 筆資料？混合？
- 演算法要寫在 iSeek 後端還是獨立服務？
- 分位數統計就夠嗎？還是要考慮事件持續秒數的分佈？
- 每策略的「預估每日通報量」怎麼反推？
- 推薦紀錄要存在哪？怎麼跟現有的通報表整合？
- 套用策略會動到 notify rule engine，原子性怎麼保證？
7. PoC 成功的判斷
選一支 實際在用的鏡頭（建議興農、中油、宏全其中一顆資料量大的），跑完整流程：
- 系統能從歷史資料算出三策略（每組信心值＋秒數）
- 前端能顯示三張卡片並預估通報量
- 點套用後鏡頭的實際通報行為有改變
- PM 能看到完整決策依據
- 一週內能看到 demo
8. 交付後的延伸
PoC 成功後，以下是自然會延伸出來的需求：
- 把功能包進 Claude Design 大改版（Adam 提過）
- 支援定時自動觸發（不用 PM 手動）
- 推薦演算法升級（考慮多鏡頭關聯、時間序列、客戶類型）
- 客戶公開使用（目前先內部）
- 把推薦紀錄當訓練資料，學「客戶偏好」
方向性文件 v2｜2026-04-21
細節（API、Schema、UI 元件選型、時程）由實作者判斷