這是我們依一年實際使用需求自行設計的 AI 記憶系統，不用向量資料庫，而是純文字檔加上觸發詞索引。本文用六張圖說明它怎麼運作：三種角色、觸發詞寫成症狀、啟動索引的字元預算、合併記憶的提案審查流程，並附上 301 個 session 的命中實測與這套做法的取捨。

K-means、DBSCAN 與階層分群，支援度、信賴度、提升度的計算，PCA 與 SVD 的性質，以及時間序列的組成與驗證方式。

以虛構連鎖藥局的回診預測與客服助理為例，走完問題定義、資料清理、建模評估、A/B 測試、RAG、隱私與上線監控，並附線索與方法對照表與 10 題綜合練習。

缺失值的三種機制與處理、離群值判斷、Label 與 One-Hot 與目標編碼、標準化與 Robust Scaling，以及前處理造成的資料洩漏。

批次與串流處理的差別，HDFS、MapReduce、Spark 惰性求值、Kafka、Flink 視窗與水位線、邊緣運算，以及分散式計算統計量的方法。