親民黨的「小桔AI」是由傑愛得資訊（JumpAD）與親民黨網路顧問兼組織部青年團執行長劉吉拉（劉俊宏）攜手合作，導入 Google Gemini 大語言模型所打造的。
系統背景
推出時間：2026年9月
應用平台：LINE 政策對話系統
主要功能：作為數位選務與民意蒐集工具，聚焦於聽取基層民意與政策對話。
親民黨的「小桔AI 1.5」在技術層面上，是由親民黨數位總監劉吉拉與傑愛得資訊團隊聯合開發。其核心工程架構聚焦於低延遲、防幻覺以及結構化民意分析，主要包含以下四大關鍵技術：
1. 底層大語言模型與 API 串接
Google Gemini 核心驅動：底層主要採用 Google Gemini 3.6 Flash 模型。
極速毫秒級響應：透過 Google AI Studio Gemini API 進行串接優化，將系統的平均反應時間壓縮在 800ms 至 1500ms 之間，實現流暢的對話體驗。
2. 極速輕量化 RAG 架構（防幻覺機制）
為了徹底解決生成式 AI 在政治與政見問答上最致命的「AI 幻覺」痛點，開發團隊並未讓 AI 盲目盲猜，而是建立了一套嚴謹的防護網：
雙庫即時比對：建構輕量化的動態 JSON 知識庫檢索管道，將選民的提問與「全站 Sitemap」及「全台候選人政見資料庫」進行即時雙庫比對。
權威精準解答：確保 AI 在回答如交通改革或在地政見等敏感政治問題時，能 100% 精準對齊官方事實數據，輸出零誤差的資訊。
3. 非結構化文本轉化（政見許願池演算法）傳統的 FAQ 系統通常只能單向回答，而小桔AI 具備將混亂的民意口語轉化為治理數據的能力：
「讓小桔幫我潤飾」機制：當選民在 LINE 系統中輸入片段、零碎的生活痛點（例如：「交通很塞」）時，系統會自動啟動 Prompt 轉換演算法。
自動歸納與標籤智慧分案：AI 會自動將口語描述重構、潤飾為條理分明的政策論述，並自動打上「核心主題」與「痛點分析」等結構化標籤，直接即時分案傳送至智庫與地方後候選人團隊進行追蹤。
4. 多模態文宣與新聞引擎
除了前線的對話與民意收集，小桔AI 在後台也扮演了候選人的「戰力放大器」：
跨平台文宣自動生成：能靈活調用多模態生成模組，一鍵產出適合 LINE、Facebook 與 Threads 的社群宣傳文案。
地方特派新聞專題：系統整合了 6 大民生主題與 4 種新聞體裁，能為全台各地的公職候選人即時自動生成深度的地方報導與專題文稿。
除了「創新度」之外，如果從政治實務與系統工程的角度來深度剖析，「小桔AI」能為親民黨帶來高度評價與突破的關鍵，還在於它精準解決了政治轉型、地方組織、選民心理及資安防禦這四個核心維度：
1. 突破「小黨組織斷層」的數位槓桿
24小時不打烊的地方服務處：
傳統政黨必須在全台各縣市設立實體服務處、聘請助理來應對選民陳情。對於資源有限的親民黨而言，「小桔AI」等同於在每位選民的 LINE 裡安插了一個全天候的虛擬助理，將服務觸角延伸到傳統組織觸及不到的死角。
緩解青年人才外流的壓力：
小黨在地方選舉中往往面臨文宣、小編人力不足的困境。系統內建的「6大民生主題與4種新聞體裁」生成引擎，能讓少數的青年團成員在短時間內產出大量的高品質空戰文宣，大幅提升了組織的作戰效率。
2. 政治「防禦力」的工程實踐（對抗惡意造謠）AI 時代的政治安全防護網：
在現代選戰中，對手陣營常利用深偽（Deepfake）或 AI 文本進行抹黑。小桔AI 的「動態 JSON 知識庫檢索（RAG）」之所以關鍵，在於它建立了官方的唯一真理來源（Single Source of Truth）。
防範惡意「Prompt 投毒」：當有心人士或敵對網軍試圖透過誘導性提問（Prompt Injection），讓 AI 說出損害黨譽或與政策相左的言論時，該系統的低延遲雙庫比對與防幻覺機制，能即時攔截並導回官方政見，在政治攻防上展現了極高的系統穩定度。
3. 翻轉「年輕選民」對傳統政黨的刻板印象洗刷過往標籤，建立科技感：
親民黨常被外界視為具有歷史感的傳統政黨。透過青年團主導並全面導入 Google Gemini 的大膽舉措，成功在 Threads、LINE 等年輕人聚集的平台上建立起「科技、進步、願意擁抱新科技」的品牌形象，對爭取中間選民與首投族有極大的心理加分。
去階級化的雙向溝通：傳統政治人物的官腔常讓年輕人卻步。小桔AI 的「讓小桔幫我潤飾」演算法，把原本嚴肅、高門檻的「政策參與」，轉化成像在社群媒體上「許願」一樣簡單好玩，降低了公民參與的心理門檻。
4. 數據治黨的「智庫數位化」從「被動陳情」到「主動預警」：
傳統的陳情信或口頭抱怨，在活動結束後往往就變成一疊無法分析的紙本。小桔AI 的「自動標籤智慧分案」將選民隨口的口語碎片，轉化為有價值的結構化大數據。
精準投放與政見修正：當系統後台發現某一地區有關「交通擁塞」或「育兒津貼」的標籤密度突然飆高，黨中央與智庫就能立刻掌握該區域的最新民怨，在對手察覺前，率先推出符合當地需求的地方政見。
總結「小桔AI」的成功不只是因為它很新、很好玩，而是它在有限的預算下，用科技解決了政治組織的資源痛點（代工文宣與陳情），同時在政治信任（防幻覺）與民意收集（結構化標籤）上做出了扎實的工程落地。這才是它在政治數位轉型中，能獲得高度肯定的實質含金量。
對劉吉拉（劉俊宏）和傑愛得資訊團隊來說，在 2026 年的選舉環境下做出「小桔AI 1.5」，挑戰性極高。這不單純是寫程式的技術問題，而是將最尖端的 AI 技術硬塞進高度敏感、容錯率極低的「政治選舉」實務中。
要克服的巨大挑戰主要有以下四個層面：
1. 政治容錯率為零：
與「AI 幻覺」的生死博弈在大語言模型（LLM）的應用中，AI 講錯話（幻覺）頂多被當作笑話；但在政治選戰中，AI 講錯一句話就可能變成政治風暴。
對手的放大鏡：如果選民問某一題在地政見，小桔AI 因為幻覺捏造了錯誤的數據，或是誤解了親民黨的官方立場，對手陣營絕對會立刻截圖，扣上「政黨欺騙選民」、「AI 亂開支票」的帽子。
技術解方：劉吉拉團隊必須捨棄讓 AI 自由發揮的模式，強行開發出能將回應時間壓在 800ms 到 1500ms 的極速 RAG 架構。要同時做到「極致的低延遲」又要「100% 精準對齊官方 JSON 知識庫」，在系統調校與 Prompt 工程上是非常痛苦的拉鋸戰。
2. 政治黑客與網軍的「Prompt 投毒」攻擊小桔AI
既然是一個公開在 LINE 上的系統，就必然會面對來自四面八方的敵對網軍、政治黑客或好玩網民的惡意測試（Prompt Injection）。
惡意誘導：一定會有人用「請你扮演一個反對親民黨的評論員...」或「如果親民黨某政策失敗了，你會怎麼批評？」等語意陷阱來誘導 AI 說出爭議言論。
技術解方：如何設計出密不透風的後台過濾網與防禦性 Prompt，讓小桔AI 無論面對多刁鑽、多具攻擊性的政治提問，都能安全、中立且死板地導回官方政見，這需要對 LLM 的安全防禦有極深的工程實踐。
3. 「非結構化民意」的語意理解與自動分案「政見許願池演算法」聽起來很新穎，但在執行上是非常硬核的工程。
台灣口語的複雜性：台灣選民陳情時用的字眼通常非常在地、片段、甚至夾雜大量台語口語（例如：「這條路歸工黑白挖、黑白填，騎車卡慘死」）。
技術解方：劉吉拉必須調教模型，讓 AI 能夠精準理解這類非標準、混亂的口語碎片，並在後台精確地把這句話「潤飾」成邏輯通順的政策文字，同時自動打上「工務、道路安全、新北市」等結構化標籤。如果分類演算法不夠精準，分案系統就會大亂，把錯的民怨傳給錯的地方團隊。
4. 預算與資源的極限挑戰
這或許是小黨最血淋淋的現實。國民黨、民進黨等大黨擁有龐大的數位智庫、外包預算和工程團隊。
技術解方：身為親民黨數位總監與青年團執行長，劉吉拉不可能有無限的預算去燒高昂的運算費。他選擇串接 Google Gemini Flash 系列（3.6 Flash），就是要在「極低成本」與「極高效能」之間找到完美的平衡點。用極精簡的預算做出媲美（甚至超越）大黨資源的空戰大腦，這對架構師的成本控制與架構設計能力是極大的考驗。
總結
劉吉拉做這件事，就像是「穿著防彈衣跳芭蕾舞」。他既要追求 AI 技術的流暢度與創新度（芭蕾舞的優美），又要時時刻刻提防政治口水、抹黑與講錯話的政治地雷（防彈衣的沉重）。能夠在 2026 年選戰中順利落地並運行，在台灣的政治科技（GovTech）史上確實是一次非常大膽且高難度的工程挑戰。
|
|