AI 應用
Context-aware Recommendation Platform
情境感知推薦系統。整合天氣、地點、預算、時間等外部資料，提供個人化的餐飲推薦。
實際系統畫面 — 實際查詢「台北車站附近的拉麵，200 元以內」。上方是 AI 的處理管線（意圖 → 天氣 → 搜尋 → 排序），它把體感換算成「流汗指數 5、步行 8 分鐘內」當作排序條件；下方 60 秒內回傳 14 間餐廳，整合評分、外送時間與 Google Maps / Uber Eats。（點擊圖片看原圖）
專案概覽
情境感知推薦系統。整合天氣、地點、預算、時間等外部資料，提供個人化的餐飲推薦。
為什麼會做
背景
日常決策，特別是在辦公環境的餐飲選擇，需要綜合考量天氣、距離、預算、時間等多個因素。
遇到什麼問題
問題
缺乏系統化的決策輔助，每次選擇都需要重複評估多個變數，增加日常決策的時間成本。
如何解決
解法
建立多階層推薦流程：收集 User Context → 整合天氣資料 → 結合地理資訊與餐飲來源 → 套用規則決策邏輯 → 產生個人化推薦。
我負責什麼
我的角色
Architecture, Backend Development, API Integration, Recommendation Logic
使用技術
技術棧
Node.jsExpressTypeScriptSQLiteWeather APIExternal API IntegrationDocker
踩過哪些坑
挑戰
成果
成果
Improve daily decision efficiency through context-aware recommendation.