主導「AI Media Studio」技術選型與 0 到 1 架構，支撐多模態 AI 創作平台從零到穩定上線。

推動團隊級 AI Coding 工程化落地，以規範驅動開發與 Agent 協同提升整體交付速度與審查品質。

搭建基於 UI Message Stream 協議的串流對話底座與服務端快照，讓工作階段斷線後仍能無感恢復、上下文不遺失。

交付開源桌面應用「302 AI Studio」核心能力：程式開發 Agent 既可在本地容器執行、也可使用雲端託管沙箱，並完整支援 MCP 規範以掛載外部工具服務。

以構建期程式碼生成取代手寫 IPC，自動覆蓋主行程 30+ 業務服務，讓主/渲染行程契約端到端型別校驗。

解決多工作階段長時間執行的穩定性與流暢度問題：記憶體治理掛起非活躍後台渲染行程以避免 OOM 崩潰，串流傳輸按視口可見性重建，重度輸出下不再掉幀。

重做「一鍵換色」的染色流程，把平均處理耗時從 330ms 降到 60ms，該功能穩居使用者高頻功能前三。

實作高互動的 AI 塗抹修補畫布，支援套索選取、復原重做與懸停分割高亮，讓使用者在 AI 生成之上能做精細手動修補。

編排 Stable Diffusion 工作流程與 Prompt 調校，導入 TensorRT 與 XFormers 加速，使服務端生圖吞吐提升約 60%–80%。

參與從 0 到 1 交付基於大語言模型的 RPA 桌面客戶端（言程助手），把自然語言指令編譯為可執行的自動化程式。

基於 Electron 與 Puppeteer 構建自動化執行環境，透過跨語言呼叫系統 DLL 觸達作業系統層能力，讓生成腳本能驅動原生桌面軟體。

實作無頭瀏覽器登入狀態校驗，並共同建置 Wizard DSL 到 JavaScript 的程式碼轉譯器，以單元測試覆蓋生成程式碼路徑。

發表綜述論文 《Optimization strategies of fruit detection to overcome the challenge of unstructured background in field orchard environment》於《Precision Agriculture》（IF 7.6 / 中科院 1 區 Top），SCI 引用超 160 次。

發表 《An Enhanced Cycle Generative Adversarial Network Approach for Nighttime Pineapple Detection of Automated Harvesting Robots》於《Agronomy》（IF 4.1 / JCR Q1），SCI 引用超 30 次，推進夜間採摘機器人視覺與 CycleGAN 改進。