Trello 知識小幫手 2.0
- 使用 SBERT（Sentence-BERT）模型進行文本向量化，結合 Milvus 向量資料庫，在確保搜索準確性的前提下減少資源推薦運算時間（1 分鐘 → 3 秒）。
- 使用 Flask 建立 WebAPIs 並整合 Trello Webhook，重構資料流程後將系統響應時間從 1 分鐘降至 50 毫秒。
- 模糊文本搜尋算法
- 透過 SBERT 將文本轉換為密集向量表示，實現精確的語意相似度計算與文本匹配。
- 負責維運與優化 Milvus 向量資料庫，確保大規模向量檢索的穩定性與效能。
- 結合自然語言處理（NLP）技術與搜尋算法，提升搜索結果的精確度與系統使用體驗。
- Flask API 開發
- 基於 Flask 框架設計 RESTful API，為專案系統提供穩定且靈活的後端服務。
- 遵循最佳實踐優化程式架構，確保 API 的可擴展性與易維護性。
- 撰寫單元測試與技術文件，確保系統可妥善交接。