對話是怎麼一層一層往上走的
和 AI 的對話沒有停在技術細節，而是像螺旋一樣，一層一層往上旋轉。
腳本怎麼寫？PPPoE MTU 1492、MSS 1452、PMTUD Black Hole 成因——純工程師思維。
這份報告要怎麼寫，才不會被客戶資安部門打回票？
這其實應該是一套結構化的現場診斷方法，而不是單一工具。
這套方法如何變成 SI 廠商可重複交付、可培訓傳承的服務閉環？
真實案例：醫美診所的多年冤案
昨天在一家醫美診所，解決了一個讓多名工程師束手無策、拖了多年的問題。
症狀：網路連線極慢、換過多名工程師，問題始終沒有解決。
根因：數據機多個 LAN 埠各自建立獨立 NAT 網段，院長電腦與檔案來源主機被割裂在兩個不互通的孤島。加上檔案來源主機的無線網卡被裝潢遮蔽，訊號嚴重衰減。
解法：在三個重點位置用手機掃描 Wi-Fi 訊號，發現多個不同網段的 SSID。追出院長電腦的網路線，插回正確的 LAN 埠，同網段直通。
換過的工程師都知道「網路很慢」，但沒有人往架構層看。問題不在設備，不在網卡，不在 ISP，而在於一個長年沒有人意識到的拓撲錯誤。
AI 在這個過程裡做了什麼
AI 其實沒有教我多少全新的知識。它大部分時間都在做同一件事——把我腦中早就存在、但散落零亂的現場經驗，用不同的高度、不同的語言、不同的框架，一次又一次地重新組織。
醫美診所追線追到一半，發現多網段割裂的無奈
50 人小公司被隨機 MAC 把 DHCP Pool 吃到斷線的血淚
第一次場勘一定要讓客戶當場看到數字變化，才會真正信任
台灣 SMB 弱電箱永遠是那幾個品牌的殘酷現實
這些東西我早就知道，帶著「鉤子」存在腦袋裡。但它們原本是碎片，是直覺，是只能意會難以言傳的現場智慧。AI 像一面會思考的鏡子，不斷問：如果把這件事拉高一層來看呢？如果這不是單一工具，而是整個服務流程呢？
AI 不是在教我新的知識，而是在幫我看見我早就擁有的知識結構。
方法論的骨架：望聞問切
整理下來，這套現場診斷方法論，暗合中醫的望聞問切。所有成熟的診斷體系，最終都收斂到同一個結構。
|
望
Visual Observation
看照片判讀 IT 違章建築特徵、看線路走向、看設備堆疊與散熱狀況、看交換器指示燈。 |
聞
Environmental Sensing
聽風扇聲判斷設備溫度、聽業主描述長年困擾、聽總務說「上個月裝潢師傅有進來拉過線」。 |
|
問
Structured Inquiry
電話問診五問、向不同角色詢問不同層次的資訊，以業主長年痛點為中心逆向確認根因。 |
切
Measurement & Proof
Speedtest 取樣、RSSI 三點量測、TDR 線材診斷、traceroute 確認跳數、封包監聽。 |
中醫最值錢的不是藥方，而是能在短時間內把望聞問切整合成完整判斷的臨床經驗。PCPiLOT 做的，是把這個程序結構化、把切脈的工具自動化、把診斷結果文件化。但最終把所有訊號整合成「這個病根在這裡」的判斷，還是需要那個有臨床感的資深師傅。
對資深工程師來說，AI 來得正是時候
我們這個年紀，最大的資產從來不是還能學多快新技術，而是那個已經被時間壓縮過、帶著大量現場情境的經驗庫。
AI 真正強大的地方，不是取代這些經驗，而是把散落在腦海深處、帶著無數鉤子的知識，一個一個吊出來，重新整理成有根有莖有葉的體系。幫我們把已經知道的東西，看得更清楚、連得更完整、傳得更下去。
PCPiLOT 是診療台與病歷系統，不是取代醫師。記錄下來，就有機會陸續完善。
委外 IT
知識管理
方法論
AI 協作
DrayTek
ZyXEL Nebula
Synology
PCPiLOT
Comments