Bossy Radar：從 Vibe Coding 到工程化重構的旅程

Bossy Radar 是一個我構思已久的專案。

專案初衷

這個專案的核心目標是整合兩個公開資料來源：

1. 違反勞動法令事業單位（雇主）查詢系統 (https://announcement.mol.gov.tw/)
2. 公開資訊觀測站 (https://mopsov.twse.com.tw/)

希望能將「勞工權益相關的揭露資訊」與「公司基本資料」進行對照，讓求職者、勞工甚至公司能更直觀地檢視各家公司的實際狀況，而非僅看表面的財務數據。

Vibe Coding 的嘗試與侷限

在專案初期，我嘗試採用 Vibe Coding 的模式，快速堆疊出一個看起來有模有樣的成果。這種開發方式在初期確實帶來了很高的滿足感，透過 AI 輔助迅速產出介面與功能雛形。

然而，隨著功能堆疊，隱藏的技術債也開始浮現，最終導致成品在細節處理上顯得支離破碎，甚至讓我打消了將其公開的念頭。

主要遇到的問題如下：

1. 資料庫膨脹與低效

為了快速求成，在資料處理上缺乏規劃。最終導致資料庫塞入了大量非必要的資料，體積膨脹至近 500MB，但其中約 95% 都是實際應用中用不到的冗餘數據。這不僅浪費儲存空間，也嚴重拖慢了查詢效能。

2. 核心邏輯的不穩定

專案的關鍵功能在於將「違法雇主」與「公開發行公司」進行名稱比對。在 Vibe Coding 階段，我過度依賴 AI 進行模糊比對，但結果卻時好時壞，缺乏一個穩定且可驗證的邏輯標準。這種反反覆覆的準確度，使得核心功能的可靠性大打折扣。

3. 建置與部署的缺失

在最後嘗試將專案匯出為靜態網站 (Static Web) 時，才發現由於前期缺乏模組化與依賴管理的規劃，導致匯出結果缺東缺西，無法正常運作。

重構的決心

面對這些無法忽視的問題，我做了一個艱難但必要的決定：斷然捨棄過去一週的開發成果，從頭開始。

這一次，我打算回歸工程本質，放慢腳步。不追求表面的快速產出，而是紮實地處理每一個環節：

• 精簡資料結構：只儲存必要的欄位，優化資料庫設計。
• 演算法優化：用更嚴謹的規則取代黑箱式的 AI 比對，確保資料整合的準確性。
• 自動化流程：建立穩定的建置與部署流程。

與其追求一個搖搖欲墜的快速原型，不如一步一腳印，打磨出一個真正穩固且值得信賴的產品。這篇 Blog 也是為了記錄這個重新出發的起點。