搜尋此網誌

2025年12月14日 星期日

SW-TRIZ × FAP Model - 適用於開放式技術系統架構的TRIZ系統分析工具

 SW-TRIZ × FAP Model



作者:汪周禮(Jeffrey Jou-li Wang)

為軟體與 AI 產品開發而生的 TRIZ 系統分析方法
SW-TRIZ (TRIZ for Software, a Systematic Workflows related with TRIZ) 與 TRIZ FAP(Function–Action–Parameter)模型與模組,並非單一工具,而是專為 軟體產品開發 與 AI Coding 工作流所設計的系統性創新工具編排(Innovation Tool Orchestration)。 需要說明的是,SWTRIZ 是一個全新的開放式系統架構,目前正在申請商標中!

透過將 FAP 模型與 PRD、TAR、Pseudo Code 等邏輯層進行結構化整合,可有效銜接多狀態(multi-states)的 AI Coding Workflows,大幅提升 AI Coding / Vibe Coding 在企業級軟體開發中的可行性與可靠度。

為何傳統 TRIZ 系統分析難以落地於軟體?
在 2025 年 TRIZfest 中,我分享一套專為軟體技術系統設計的 TRIZ 系統分析方法:FAP Model and Modules,用以解決 TRIZ 長期在軟體領域「難以應用」的根本問題。

關鍵不在 TRIZ 理論本身,而在於技術系統的本質差異:'

硬體技術系統,屬於封閉式系統架構
由穩定、可驗證的實體組件構成,
組件間交互關係相對固定,
容錯率低,失效即不可用,

軟體技術系統,開放式系統架構
多層次模組與抽象層交互運作,
持續迭代、可帶缺陷上線,
容錯率高、狀態與行為高度動態。

傳統 TRIZ 的 功能分析(Functional Analysis)源自硬體系統假設,直接套用在軟體系統上時,往往出現以下問題:

分析視角不足或失真、
需拼接多種分析方式才能勉強完整、
分析結果難以對應實際設計與開發決策、
根本原因在於:軟體屬於開放式技術系統,而非封閉式技術系統。

FAP Model:為軟體系統而設計的 TRIZ 系統分析底層
智合創新創辦人 汪周禮,累積

13 年 AI 軟體產品開發經驗
17 年 TRIZ 企業專案實戰經驗


成功開發出適用於軟體技術系統的 TRIZ 分析模組:FAP(Function–Action–Parameter)Model。


FAP 的兩個核心系統層次

功能導向系統分析模組(Function-Oriented Modules
解構軟體系統「做什麼」
聚焦服務、流程、模組間的功能責任與協作關係

參數導向系統分析模組(Parameter-Oriented Modules)
解構軟體系統「如何表現」
將 TRIZ 參數概念映射至效能、延遲、可靠度、可擴展性、可維護性等軟體核心屬性。
透過這兩個層次的結合,TRIZ 得以真正落地於軟體技術系統開發專案。

實務成果與未來方向

2024 年,FAP Model 已成功協助多家企業的軟體研發團隊,在 AI 應用、軟體產品架構設計與創新解題 上取得實質成果

FAP 的開放式系統架構設定,特別適合:
技術應用研究(Applied Technology Research)
AI Agent 與多工作流系統設計
AI-assisted Software Innovation
未來,將持續釋出:

適用於 軟體技術系統
適用於 開放式技術系統架構

可與 AI Coding / Agentic Workflow 深度整合的 TRIZ 應用工具與模組

TRIZ 不該被限制在硬體世界。
FAP,讓 TRIZ 真正進入軟體與 AI 的核心戰場。

hashtagAI4Innovation
hashtagTRIZ4AICoding
hashtagSWTRIZ
hashtagFAPModel
hashtagVibeCoding
hashtagTRIZfest2025

詳細報告內容請參考 2025 TRIZfest Proceedings

2025年10月17日 星期五

AI 知識模型 等於認知模型 嗎?

 #知識模型 等於 #認知模型?



#AGI?
AI研究已經跨學科進入 #認知心理領域,但仍存在一些需要釐清的模糊地帶,這也是讓我認為 #AGI短期難以出現 的原因。

#數學世界下的認知模式
透過 數學模型 建立的 認知模式 都是在探索 真實認知模式的原型,就像我們藉由 物理科學研究 運用數學工具 發現並逐漸揭露 真實宇宙的運作原理和機制。
我們可以透過大量的數學模型還原認知模式的機制,甚至創造出認知模擬器,然而這樣的模擬系統是否與屬於人類認知模式,特別是有關創造力這一塊,仍然存在很大的討論空間,這也是目前AI LLM架構難以突破的部分。

#關於幻覺
當然有人會提出幻覺也是AI 創造力的一種,然而這樣的幻覺內容需要符合邏輯且沒有出現過並可應用在真實環境中,才能對應得上人類的創造力,我稱之為有效幻覺,然而在這兩年輔導企業研發產品與創新的數十個專案中,經歷大量知識密集與AI LLM人機互動的操作過程中,出現過有效幻覺的次數屈指可數,反而無效幻覺出現的次數要多很多,這也是為什麼我在設計降低幻覺出現機制同時要加入能夠識別幻覺資訊特徵機制的原因,這樣可以過濾出那些是有效幻覺以及無效幻覺。

#創造力
除此之外,人類的認知模式中的創造能力,可以說是宇宙中非常奧妙的一個謎題,也是即便出現 AGI ,仍難以攻克的領域。 WEF已經研究過2030年的10大工作技能中,有七個和創造力有關~!

#數位知識 VS. #認知模式
大語言模型已經可以大幅提升人類處理知識的能力,然而藉由訓練數位知識,運用統計分析(貝氏推論)推論輸出結果所形成的數位知識,再把這類數位知識對人類影響的認知模式,當作人類真實認知模式的建立過程,這更是我一直認為需要釐清的關鍵模糊地帶!

雖然目前數位技術發展與真實世界鏈結越來越強,但仍不代表虛擬數位世界可以完全取代真實世界。


#提示描述? #提示工程? #提示技術?

看過提示工程相關研究論文可以發現Misra教授所言非虛,這也無可厚非,畢竟 AI領域的研究人員本身對於人類語意結構理解有限,而對人類語意結構理解除了心理學領域以外,還有就是法律領域,法律領域專家(特別是訴訟領域)堪稱文字、文義與文意的理解專家。

#提示工程__Prompt_Engineering

Prompt Engineering 本質是語意分析技術,這類語意可以從資訊分析工程中找到對應,很早就出現在專利資訊分析的檢索工程當中,實際上,專利資訊分析早已導入機械學習時代的AI技術。

這兩年開發的 #ai輔助創新 可以說屬於提示工程的高階運用,包括經過語意範圍設計的結構化內容層次表達模組,作為每個提示描述核心,更找出可將不同的語意範圍搭配任務工具結合提示工程技巧的可靠應用流程,提示工程技巧包括例如cot, gkp, art等,藉此建構出符合企業創新需求的 #agentic_workflows工作流,打造出滿足 #創新條件(1. #找出有價值的問題 2. #提出突破慣性思考模式的解決方案 3. #輸出智慧財產布局) 的客製化服務的 innovation -ai agent 模組。

2025.10.17 汪周禮 原創讀文啟發心得




2025年10月12日 星期日

創新是一門精準的工程科學 - TRIZ‧AI AGENT?



 TRIZ AI AGENT?


現在AI工具平台都很強大,花一點點時間就可以弄出所謂的AI AGENT ?!
(花30分鐘在DIFY平台上打造,AI平台工具太強大了)

實際上經過測試結果讓我完全失去調教的動力,存在很大的發展空間,還不如將任務拆分再經過結構化內容設計後,設計多個工作流分階段分層組合的逐步驗證輸出結果。

在真實的專案任務中,創新過程往往非常複雜而細膩,講究問題細節處的系統分析以及如何根據需求(痛點)重新定義新技術系統架構,再來就是根據新定義的技術系統架構挖掘對應需求的底層問題,同時建立問題模型,最後根據問題模型產生創意概念方案(Conceptual Solution),再將創意概念方案(初期可能多達上百種),根據策略需求與現有資源進行比對篩選與分類,分類結果其中包括可以做概念驗證的方案,也就是POC(Proof of concept,此時POC方案銳減至不到一半),最後根據POC結果結合篩選方案決定最後落地方案(此時數量再度銳減一半不到)。

以上就是 hashtag創新 hashtag發散與收斂鑽石流程,然而我們通常會經歷多次的發散與收斂,才能精準地有效地引導出實際的創新方案,其中只要一次沒有準確地將發散與收斂流程中與需求對焦,就非常容易產生無效方案。

從創意概念方案到POC與落地方案之間雖是創新解決方案的最後一哩路,但卻對創新方案的價值產生決定性的影響!

心得就是,目前AI LLM 對於複雜任務的工作完成度還是很低,無法脫離人類輔助,人機合作還是主流發展趨勢。

MSM-AI輔助創新,讓
創新,不再是少數天才的專利。
透過 AI,我們讓「創新」成為一門人人都能學會的精準科學工程。
當門檻降低,創造力,反而得以真正綻放。

靈魂拷問:
你覺得AI AGENT應該是甚麼樣子?
AI 到底能為你創造甚麼樣的具體價值? (你/別人 願意花錢付費得到的成果)
你需打造甚麼樣的完整架構才能得到這樣的具體價值?

hashtagAI_Agent
hashtagAgenticworkflows
hashtagAI_LLM
hashtagtriz

AI 時代的競爭力-「品味」_ 甚麼是品味? 又該如何定義 品味?

AI 時代的競爭力,不再是努力而是「品味」,如何定義品味,來自資深創新架構師汪周禮的深度解析 1. 前言:從「奇蹟材料」到系統重構的必然 Notion 創辦人 Ivan Zhao 在其萬言書《Steam, Steel and Infinite Minds》中提出一個深刻的洞察:每...