＼因場地限制，本場版聚不接受現場報名／
介紹
「AI 能不能直接找到真正需要的資料，而不是只給出看起來合理的答案呢？」
從查找新聞到分析政府開放資料，我們常常得先花上不少時間找來源、整理格式，才能開始回答真正關心的問題。當 AI 能透過 MCP 連上這些資料，查找與使用資訊的方式，又會有什麼不一樣？
這次，我們邀請了兩位正在實際探索這條路的好朋友：Twinkle AI 的亮勳，會帶我們看看，如何把 7 個國家／地區的政府開放資料接成一條連線，讓 AI 用自然語言查回真正的資料列；中央社的家慈，將分享中央社 MCP 從開發歷程、技術架構到產品思考的幕後故事。
無論你是正在開發 AI 應用的工程師、經常與資料打交道的資料人，還是對新聞與開放資料的新玩法感到好奇，都歡迎帶著問題來交流。
時程表
18:40-19:00 入場
19:00-19:15 主持人開場
19:15-20:55 講者分享
- 19:15 讓 AI 直接查政府開放資料：Twinkle Hub 怎麼把 7 個國家的公開資料接成一條連線
- 20:00 開發者角度探索媒體創新：中央社 MCP 開發紀實
20:40-21:15 QA交流
講座資訊
19:15 讓 AI 直接查政府開放資料：Twinkle Hub 怎麼把 7 個國家的公開資料接成一條連線
黃亮勳｜創辦人@Twinkle AI
黃亮勳是 Twinkle AI 社群創辦人，帶領社群打造可在地端部署的繁體中文語言模型 T1，讓台灣在 AI 浪潮中擁有自主可控的技術選擇。他也建立了 OpenTWBench（opentwbench.ai），以台灣在地知識為核心評測大型語言模型，讓模型評比變得親切易懂。此外，他開發 Twinkle Hub（OpenData MCP），讓 Claude 直接串接各國政府開放資料，目標服務全球所有開放資料國家。總之他是位游走在 Data, Model, Agent 的斜槓人士 :)
做過台灣開放資料的人大概都有同一段經歷：下載下來，發現日期是民國年、數字是全形、同一個欄位在三個檔案裡有三種名字，然後你寫了一份清理腳本——而且下次還要再寫一次。
Twinkle Hub 想解決的就是這段。我們把 7 個國家／地區的政府開放資料整理、分類、正規化之後，接成一條 MCP 連線：你的 AI 連上來，就能直接用自然語言問「台北市大安區去年的實價登錄中位數」或「某家廠商這五年得標幾件」，拿回來的是真的資料列，而且每一筆都帶著它的授權條款——這對任何要把分析帶出去的人都是必要的。
光台灣就超過 5 萬筆資料集，涵蓋實價登錄、政府採購、立法院公報、司法判決、專利、地理資訊等領域。
這場亮勳會講：資料整理實際卡在哪裡、為什麼我們選 MCP 而不是做一個 API、以及現場示範直接問幾個問題。你可以帶著筆電來，當場接上去試。
20:00 開發者角度探索媒體創新：中央社 MCP 開發紀實
何家慈｜資訊暨創新中心 媒體實驗室工程師@中央通訊社
家慈目前為中央社資訊暨創新中心媒體實驗室工程師，畢業於國立台灣大學新聞所、陽明交通大學生物資訊及系統生物研究所。中央社是畢業後的第一份工作，兩年來在中央社媒體實驗室一起做了不少「AI實驗」，摸索下一個時代的新聞體驗。
家慈將從開發者視角出發，聊聊「中央社 MCP」這個嶄新、從未有的媒體創新之路。演講將分享 MCP 開發歷程、技術架構、產品思考等，以及實際開發過程中面臨的技術挑戰與反思。
特別感謝以下社群夥伴，因為有夥伴們支持，讓版聚更加精彩
- 國泰金控 數位數據暨科技發展中心
- 數位時代、MeetGlobal
▲ 本活動票券一旦售出恕不退款。
▲ 非學生身分者，請勿購買學生票影響他人權益。
▲ 如果您對活動有任何疑問，請發送電子郵件至 twdsmeetup@gmail.com 或至 Facebook 社團詢問志工。
