iDempiere ERP · IoT · Linux — 從導入到上線的技術筆記
iDempiereGemma 4 駕到！Gemma 4 登場了！這不只是另一個 AI 模型，它是能理解文字、影像與音訊的多模態大師。它的推理能力強到讓你懷疑人生，甚至比你早上的咖啡還要聰明。什麼是多模態 (Multimodality)？想像一下，如果你只能讀書，卻看不見世界的色彩，也聽不到美妙的音樂，那該有多寂寞？傳統的 AI 模型大多是『單模態』的，它們像是一個躲在暗室裡的學者，只能處理文字。但人類的感官是全方位的：我們看著路邊的招牌，聽著街道的 喧囂，甚至能從香氣中分辨食物。這就是『多模態』的魅力。Gemma 4 的多模態能力意味著它不再僅僅是處理字符的機器，它能直 接『看』懂圖片中的細節（比如你的貓是不是在偷吃罐頭），『聽』懂音訊中的情緒與語氣，並將這些感官資訊與文字邏輯完美整合。這種 跨維度的理解能力，讓它在處理複雜任務時，不再需要笨拙地透過文字描述來轉譯影像，實現了真正的『感官融合』。Gemma 4 家族：從大腦到指尖的演進Gemma 4 並不是單一模型，而是一個精心設計的家族，每個成員都 有其專屬的『戰鬥領域』。根據你的需求，你可以選擇最適合的夥伴：Dense (稠密) 模型： 這是家族中的『重量級學霸』。擁有龐大的參數規模，專精於極高難度的邏輯推理、程式碼編寫與深層知識問答。如果你 需要處理極其複雜的研究論文或開發大型軟體系統，請毫不猶豫地選擇它。MoE (Mixture...
iDempiere去年我做了一個 iDempiere Request 看板——tw.idempiere.requestkanban。它在 iDempiere 11 上面運作得很好。Kanban、Gantt、List 三種視圖，拖拉卡片，即時更新，主管也滿意，需求也關閉了。 我以為故事就這樣結束了。 然後 iDempiere 12 出來了。我升版了。看板還在，功能還在，介面也正常。我巡視了一圈，一切看起來都沒有問題。 但有件事不對。 幕一：犯罪現場不在現場 問題不在看板本身。看板開起來正常，Kanban 拖得動，Gantt 畫得出來，List 也列得整齊。 問題是——WebUI Host Plugin，在某些情況下，靜靜地失靈了。 不是崩潰。不是 Exception。不是 Stack...
iDempiere各位 iDempiere 開發者，你是否也有過這種靈魂拷問： 「為什麼我的人生要花在把這 50 個 Excel 欄位一個一個填進 AD_Column？」 「為什麼每次建表都要補那 7 個系統欄位？我是誰？陽光在哪？」 如果你也有這種症狀，請放下手上的 SQL 腳本，看看這個：ray-idempiere-plugins。 痛點：ERP 開發者的日常（與地獄） 人工地獄：HR 丟來一個包含 50 個欄位的 Word 申請表，你得手動對照型別、長度，建到天荒地老。 系統 boilerplate：每個...
iDempiereHR 拿著一份人員增補申請表走進來，說：「我們需要一個簽核流程。」 工程師接過表單，看了三秒，知道這不只是「建一個 Workflow」。在 iDempiere 的世界裡，每一個欄位都需要名分，每一扇窗口都需要身份，每一條審批鏈都需要從頭蓋起。這不是設定，這是建城。 以下是建城的完整過程。 這次蓋了什麼 先看全局，再進細節。這份建置單是整座城的設計圖： 物件名稱 / 數量 AD_TableHR_HeadcountRequest AD_Column30 欄（7 系統欄位 + UUID（_UU）+ 主鍵 + DocStatus、DocAction、業務欄位） AD_WindowHeadcount Request（英文主記錄）+ zh_TW Trl...
iDempiereiDempiere 內建了一個 Request 模組。它是 ERP 流程裡的工單與請求追蹤系統，功能完整，幾乎什麼都有。 我第一次打開它的時候，看著視窗裡密密麻麻的欄位，每一個都有意義，每一個都有理由存在，但我不知道從哪裡開始。就像第一次翻開易經：六十四卦，三百八十四爻，什麼都有，就是沒有入口。 幕一：我試著用原版 搜尋可以做。篩選可以做。狀態切換可以做。幾乎所有功能都在那裡，只是每一個動作都需要多點幾下，多填幾格，多想幾秒。不是壞，是累。 我試了一陣子，然後想清楚了一件事：這個模組沒有問題，是我和它之間的距離太遠。我不是要改掉它，我是要在它上面蓋一扇正常人的門。 Kanban View — 卡片依狀態分欄，顏色對應優先級 List View — 傳統分頁表格，按狀態分組 Update History — Request 異動記錄一覽 Attachment Dialog...
iDempiere那是個普通的星期四下午，我打開了 Tom Ting 的文章。 連結標題很長。有「四層架構」三個字。我心想：哦，架構圖。這種文章我看過很多，通常第三段就開始談 Kubernetes。結果我看到了 AES-256 mapping table，還有一句話讓我停下來：「LLM 永遠不會看到真實資料。」我重新讀了一遍。然後去泡了杯咖啡。 Layer 1：資料真的在你這裡嗎？ Tom 的架構從 iDempiere 資料庫開始：所有敏感資料，完整留在本地伺服器。聽起來理所當然，但在 2026 年，「本地」兩個字是政治宣言，不是技術選項。GDPR 說資料不能出境，個資法說客戶同意書不涵蓋雲端分析，老闆說「反正資料不可以出去」——三件事湊在一起，本地 AI 從「有趣的實驗」變成了「唯一的解」。 補充：ninniku 環境實測 我也在本地跑 Ollama。硬體是這台...