關於我 —( 捲動閱讀 )
麥展維 Aiden Mak
AI / 全棧工程師
求職中 — 加拿大多倫多
打造智能系統
先說現在：我在加拿大 AI 顧問公司 Zokforce 擔任 AI 工程實習生，負責在真實用戶接觸產品之前測試 AI 產品 — 包括臨床語音 AI — 並協助客戶的產品調整方向，更貼近市場的真實需求。
做產品，我習慣由頭帶到尾。代表作是 HR Intelligence Platform — 一套內建 AI 的人力資源系統：員工用日常語言提問，就能得到有公司政策依據的回答；例行請求會自動分派給合適的 AI 助手處理；管理者保留審批權和完整記錄。系統背後有 1,909 個自動化檢查把關，達標才會上線。
英語、粵語、普通話，三種語言都是我的工作語言。推動我的始終是同一件事：讓 AI 接走重複的工作，但不接走人的判斷 — 幫團隊和中小企業，把日常一團亂的流程變成真正信得過的軟件。
- 所在地
- 加拿大多倫多
- 學歷
- 電腦科學榮譽學士，曼尼托巴大學(2025)
- 語言
- 英語 · 粵語 · 普通話
- 狀態
- 求職中
技術能力
工作經歷
學歷
電腦科學榮譽學士 — 曼尼托巴大學(2025)
2024 – 2025
開發者 — Upstander 教育項目 · 曼尼托巴大學 × 加拿大人權博物館
- 作為曼尼托巴大學畢業專題，與加拿大人權博物館合作構建 Upstander Program chatbot — 一個網頁式引導學習之旅(Gemini、Flask、NLP)，帶訪客從「什麼是 upstander」走到「你會採取什麼行動」。
- 這個專題啟發了我後續的獨立開發 Human Rights Edu RAG：把 UN/OHCHR 的 PDF 資料自行歸類成九個主題閱讀室，基於向量資料庫作答；之後再用 LangChain 重構為多 Agent 系統(個人項目，與博物館無關聯)。
- 學會了在敏感的教育場景中設計 AI — 語氣、安全與人工審核，比技術新穎更重要。
志願參與 2026 年 1 月 · 實習 2026 年 5 月至今
AI 工程實習生 — UAT / QA · Zokforce(AI 顧問公司)
- 為客戶提供 AI 產品顧問意見及架構建議。
- 負責兩個產品的 QA — 政府投標的臨床語音轉病歷系統與 LLM 可觀測性平台。設計了覆蓋核心業務流程的臨床模擬測試機制，結合手動與 AI 自動化 UAT — 一輪完整測試的成本和時間，只需純手動方式的一小部分。
- 合成帶標註的臨床測試音頻(clinsim、stt_uat)：多說話者、五種語言，包括粵語及中英夾雜的香港診室對話 — 並把測試發現轉化為產品反饋。
關於我
我的故事
我成為工程師的時間點，正是 AI 時代全面展開的時候 — 我選擇站在浪潮中心做事：持續跟進最新的 AI 技術與動態，開發並交付自己的 AI 產品，也和創業者合作，推動新想法真正落地。
我最在意品質：產品要真正有用，測試要走完端到端，體驗要貼住真實用戶 — 界面要有人手做的溫度，不是 AI 流水線式的粗糙。我的強項落在產品與智能的交界：全棧 AI 開發(前端、設計、資料庫)、AI 評測、由我從頭負責到底的 forward-deployed 產品工作，以及把 RAG、Agent 和傳統軟件結合起來的智能系統。人在多倫多，正尋找 AI 工程及全棧職位。
我擅長的方向
全棧 AI 開發
整個產品由我親手完成——人們觸碰的介面、支撐它的後端、底層的資料——沒有任何環節在交接中走樣。
5
個端到端構建的 AI 產品
AI 評測與判斷力
Pytest、Playwright、promptfoo 評測之外，是 AI 時代真正稀缺的判斷力：知道全綠的測試套件在哪裡說謊 — 其中一個故事，正是 1,909 個全綠測試漏掉的 bug。
4
個生產故障故事，追到根因並公開發布
Forward-Deployed Engineering
負責整體產品設計 — 梳理工作流程、界面與 AI 邊界 — 並部署進客戶真實的工作場景。
2
在客戶現場測試並迭代的 AI 產品
AI 協作的介面與動效
墨水填充標題、逐段亮字、動態 hero 字型、demo 輪播 — AI 速度交付的生產級動效，標準是有人味。
100%
本站全部動效皆與 AI 結對設計與構建
一套讓 AI 真正有用的實戰流程。
四步，一個閉環。
找出真正要解決的問題
梳理團隊現在怎麼做、時間在哪裡流失、怎樣才算做得更好。
設計最小可用的系統
先確定工作流程、介面、資料和 AI 的職責範圍，再選擇具體工具。
先構建並測試風險最高的部分
最不確定的環節最早做原型：檢索、模型行為、系統整合、用戶流程。
部署、監控、持續改進
帶著日誌、測試、監控和文檔上線，並保留清晰的迭代路徑。
AI 生成的成果，取代不了人的品質與品味。
四個原則，成就品質。
模糊的需求是起點，不是障礙
當問題模糊時，我會先尋找用戶的工作流程、失效模式，以及做出好決定所需的證據。
品質由用戶定義，不是由測試套件
AI 的品質不只是測試通過，而是知道哪些行為重要、它會怎樣失效、誰需要信任它。
界線明確，自主才可靠
多 Agent 系統要有明確的路由、工具、記憶、檢索和後備行為，才會真正有用。
少承諾，多舉證
我寧願展示測試、追蹤記錄、引用來源和缺陷日誌，也不會躲在漂亮的措辭後面。
AI 幫我出力，方向盤在我手。
我每天用 Claude Code 和 Copilot 開發 — 而且保留全部證據：旗艦平台 9 輪迭代的完整開發日誌、測試全記錄，還有專門一節講 LLM 在哪裡產生幻覺、我如何發現並修正。
閱讀完整開發日誌(英文) →