EXPERIMENT TRAIL / BTC 挖礦主題資料網站
最初想解的問題
JGM Learn
直播、礦場考察與文章中的知識若只留在單次內容裡，之後很難重新查找。
ORIGIN / 起源
先理解為什麼要開始
功能不是故事的起點；這個實驗先從一個反覆出現的現場問題開始。
當時背景
問題發生在什麼情境？
作為 JGM 的長期查詢層，把礦機、地區、電價與常見問題整理成可持續補充的主題資料。
最初假設
我們以為改變什麼會有用？
如果把直播、考察與日常詢問中的挖礦知識整理成可查找的主題資料，訪客之後應該能沿著自己的問題繼續研究。
PROCESS / 驗證過程
不是一次做完，而是沿著訊號調整
先看最初設計的驗證路徑，再沿時間線讀每次卡點、改動與結果。
INITIAL TEST PLAN
最初怎麼試
- 01
從零建立主題網站，把礦機、電價、區域與基礎知識整理成可持續補充的查詢入口。
- 02
從反覆被問的問題開始，再逐步補入直播、考察與日常營運中值得長期保留的主題。
- 03
把知識接到試算與部署資訊，讓訪客能沿著自己的問題繼續查。
BUSINESS EXPERIMENT TIMELINE
事業實驗時間線
先看卡點、做法與結果；需要時再展開完整紀錄。
JGM Learn 獨立知識站
已有初步結果卡點主站知識愈來愈重做法拆出獨立 Learn結果資料庫方向確立CAUSE / 卡點
為什麼卡住
JGM 主站同時放商業方案與大量礦業知識，WordPress 架構開始臃腫，礦機、幣種、礦池與地區等資料也難以持續整理。
ACTION / 做法
這一階段改了什麼
將知識內容從主站拆出，建立獨立的 learn.jglobalmining.com。
OUTCOME / 果
目前看到什麼
確認 Learn 不應只是文章網站，而應成為結構化的礦業知識與資料庫。
下一個 AI 實驗用 AI 批量重構既有資料與網站架構。
證據邊界可確認獨立站與內容方向已建立；此階段尚未證明資料整理效率、內容完整度或訪客學習成效。
JGM Learn AI 大規模重構
目前階段階段結果已確認卡點人工維護跟不上做法批量重構資料結果約 580 台結構化為什麼進到這一步獨立知識站確立後，資料規模很快超過人工維護能力，因此進入專案級重構。
CAUSE / 卡點
為什麼卡住
礦機與礦業資料量快速增加，靠人工整理、轉檔、建立頁面與維護導航，效率太低。
AI CHANGE / AI 改動
這一階段改了什麼
- 由 Codex 進行專案級重構，調整資料結構、內容模板、導航與 SEO。
- 批量轉換既有礦機與知識資料，讓後續內容可以沿用同一套結構。
OUTCOME / 果
目前看到什麼
約 580 台礦機資料被轉成結構化 Markdown，幣種、礦池、歷史、地區與工具等知識模組成形。
驗證這次重構確認 AI 不只能協助寫內容，也能處理產業資料整理、網站重構與知識工程。
下一個 AI 實驗讓 AI 自動檢查資料錯誤、更新礦機資訊，並把資料轉成電費占比與回本試算工具。
證據邊界約 580 台為本次專案整理紀錄；可確認結構化資料與知識模組已形成，但不代表所有資料都已校正或能自動保持最新。
RESULT / 結果
已經跑進日常，接著看它是否持續有用
進入運作不等於實驗結束，而是開始累積更長期的使用證據。
OBSERVATION / 已確認的結果
到目前為止，看到了什麼？
公開網站已提供主題導覽、站內搜尋、礦機資料與工具入口；內容仍依需求持續補充。
目前決策
保留這個解法繼續運作；後續重點從『能不能做』轉向穩定性、使用情況與維護成本。
接下來優化
從新的直播、考察與反覆詢問中，優先補入值得長期保留的主題。
用新的使用紀錄持續確認效益與成本。
FORMED OUTPUT / 已形成成果
JGM Learn：把主站裡的礦業知識，拆成可持續整理的資料庫
查看成果如何被保存VISITOR RESONANCE / 訪客共鳴
這個問題，你也遇過嗎？
這不是一般按讚；每一筆都要補上真實情況，幫助判斷需求是否存在。
正在讀取共鳴紀錄…