不只是裝修
讓家，真的好住
拍一張照片，一分鐘拿到漏水的可能成因、嚴重度與費用區間。
兩家不同公司的 AI 各自獨立判讀、再交叉比對——一致才敢說準，不一致就老實叫你找人來看。
這一頁講清楚它怎麼運作、什麼時候會看錯，以及台灣建築業目前把 AI 用在哪裡。
「防水 AI」指的是用人工智慧判讀漏水現場照片，快速給出可能成因、嚴重程度與合理費用區間的初判工具。它解決的是屋主最真實的困境——師傅說要三萬，你不知道合不合理；師傅說要打掉整面牆，你不知道有沒有必要。
但要先講清楚一件事：AI 是抓漏流程的第一層，不是唯一一層。從你發現天花板有水痕到師傅動工，中間要回答的是三個不同層次的問題，AI 只回答得了第一個。把三層混為一談，就會出現「AI 說三萬、做完十萬」這種糾紛。所以我們寧可一開始就把每一層能給你什麼講明白。
上傳漏水照片，約一分鐘產出初判報告，可直接下載 PDF 離開。要不要進一步聯絡我們，完全由你決定。
同一批照片由 Google 的 Gemini 與 Anthropic 的 Claude 同時、獨立判讀，彼此不知道對方的答案。兩邊一致才標「信心度高」；不一致時，報告不會硬選一邊，而是直接建議現場勘驗。這跟看病找第二位醫師是同一個道理——不是為了更快，是讓「可能看錯」浮出檯面。
通用 AI 估台灣的抓漏費用，常吐出美國行情，或給「5,000 到 100,000 元」這種等於沒說的範圍。我們的費用區間取 118 筆真實估價單的 25% 至 75% 分位數——刻意砍掉最便宜與最貴的極端值，留下中間一半的實際成交帶。
掛的是二十年台灣防水實戰經驗與在地工法——台灣的氣候、常見建材、屋齡結構與施工習慣。同樣一道壁癌，在台灣與在乾燥地區的成因判斷完全不同，這是通用模型答不好的部分。
| 層次 | 方法 | 能回答 | 回答不了 |
|---|---|---|---|
| 第一層 AI 初判 |
手機拍照上傳 約 1 分鐘・免費 |
可能的成因類型、嚴重度、三種處理方案與費用區間、要不要急著處理 | 確切的漏水點位置、牆內實際狀況、責任歸屬的法律認定 |
| 第二層 現場儀器 |
紅外線熱像儀、工業內視鏡、高週波水分計、數位聽漏儀 | 水在哪一面牆、哪一段管、含水率多高、範圍多大——不用打牆 | 防水層底下的劣化程度、鋼筋是否鏽蝕、結構有沒有受影響 |
| 第三層 拆解確認 |
局部打除、灌水試驗、老師傅判讀 | 真正的工法與確定金額、保固範圍 | （這是最終答案） |
第二層的四種儀器怎麼運作、各自適合什麼情境，可以看 科技抓漏是什麼？ 這篇；想了解 AI 在整個流程裡的完整分工，另有一篇 AI 抓漏準不準？兩家 AI 對答案與它的極限 詳細交代。
這段我們不迴避。以下情況判斷力會明顯下降，系統也會主動標示信心有限：
沒有遠景就判斷不了範圍，沒有近景就看不出材質與裂縫。建議至少一遠一近各拍一張。
水痕的邊界、乾濕交界線是關鍵資訊。水痕的邊緣比水痕中心資訊量大得多——那是水擴散的軌跡，糊掉就沒了。
這是抓漏最難的部分。水可能從三樓窗框進來，沿層縫下行，在二樓天花板才滴下來。照片只看得到「水出來的地方」，看不到「水進去的地方」。
報告不會硬選一邊，而是直接建議現勘。每一份報告都分成兩欄：「照片已能確認」與「單憑照片無法確認」。
如果你覺得 AI 判斷錯了，可以直接把照片用 LINE 傳給我們，由我們的師傅免費人工複判，並把正確答案回饋給系統。不硬掰，是這套系統唯一能長久做下去的方式。
如果把建築的生命週期拆成三端，台灣目前的 AI 落地程度差距很大：
多結合 BIM 與生成式設計做量體推演、工序模擬與圖說檢核。學界投入相對積極，例如逢甲大學土木工程學系已開設智慧營建相關課程與學程。
由大型營造領頭。以根基營造為例，已在工地測試噴漆機器人、泥作打底機器人與地磚機器人，並導入 RPA 流程自動化與低代碼平台處理計價彙總與預算編製。多屬企業內部營運導向。
目前最少被觸及的一塊。面向屋主、直接回答「我家為什麼漏水、大概要花多少錢」的 AI 診斷工具，在台灣極為少見。而這恰恰是資訊最不對等、屋主最容易吃虧的環節。
值得注意的是，第一線營造從業者對 AI 的實際使用，多數仍停留在文件撰寫、會議記錄轉譯等個人效率層面，尚未真正進入工程判斷本身。換句話說，台灣建築 AI 的討論很熱，但真正交到一般屋主手上、能立刻用來保護自己權益的工具，數量遠比想像中少。
我們沒有機器人手臂，也不做工地監控。我們做的是把二十年的現場判斷經驗，變成一個屋主拍張照就能用、而且會誠實告訴你「這張我看不準」的工具。不是取代老師傅的眼睛，是讓你在師傅上門之前，先站在一個看得懂的位置。
資料來源參考：逢甲大學土木工程學系・智慧營建、根基營造・營建自動化與 AI 管理、工地人生・AI 如何改變營造業。以上為第三方公開資訊，本頁僅作產業定位對照之用。
發現水痕但不知道嚴不嚴重、該不該急著處理。先拿一份寫明成因與費用區間的報告，談的時候心裡有底。
用在開工前屋況存證——進場當天拍一輪，AI 產出帶日期與案件編號的 PDF，留下開工前的屋況紀錄，日後有爭議時多一份佐證。
帶看現場一分鐘取得客觀初判與修繕預算區間，屋況揭露有依據，減少成交後的爭議。
多點位、多案場的初步分級，決定哪些要優先派人現勘。企業承攬需求可洽 傑凱工程。
遠景看範圍與相對位置，近景看材質、裂縫與水痕細節。
水痕的邊緣比中心資訊量大得多，那是水擴散的軌跡。
手機閃燈或開燈都行，不要逆光。
「只有下雨才漏」指向建築外殼，「天天都在滴」多半是管線。這欄的幫助不亞於照片本身。
防水 AI 是用人工智慧判讀漏水照片、快速給出可能成因與費用區間的初判工具，屬於抓漏流程的第一層。科技抓漏是第二層，用熱像儀、內視鏡、水分計與聽漏儀在現場實測，確認水的實際路徑。AI 回答「大概是什麼問題、大概多少錢」，儀器回答「水到底在哪」，兩者互補而不互相取代。
我們不用單一模型。同一批照片由 Google Gemini 與 Anthropic Claude 兩個不同公司的模型獨立判讀後交叉比對，兩邊一致才標示信心度高，不一致時直接建議現場勘驗。費用區間則以 118 筆台灣真實估價單的 25% 至 75% 分位數校準，避免通用 AI 吐出美國行情或「五千到十萬」這種等於沒說的範圍。
四種情況判斷力會明顯下降：只有一張照片、拍太暗或太近導致乾濕交界糊掉、水在牆內走位（照片只看得到出水處而非入水處）、以及兩個模型結論不一致。這些情況系統都會主動標示信心有限，不會硬給答案。
三點。知識來源上，掛的是二十年台灣防水實戰知識庫與在地工法；判斷機制上，兩家不同公司的 AI 平行判斷後交叉比對並標示信心度；後續處理上，看不準可以由師傅免費看照片複判；需要到府時，儀器會勘 NT$3,500 起（見價目表）。
大致分三端。設計規劃端多結合 BIM 與生成式設計，學界如逢甲大學土木工程學系已開設智慧營建相關課程；施工端由大型營造領頭，例如根基營造測試噴漆、泥作打底與地磚機器人，並導入 RPA 與低代碼平台；維運修繕端則是目前最少被觸及的一塊，面向屋主的 AI 診斷工具極為少見。多數第一線從業者使用 AI 仍停留在文件撰寫、會議記錄等個人效率層面。我們的系統屬於第三端。
免費，不需註冊、不需留電話號碼。報告產出後可以直接下載 PDF 離開，要不要進一步聯絡由你決定。
設計師多用在開工前屋況存證——進場當天拍一輪，AI 產出帶日期與案件編號的 PDF，留下屋況紀錄，日後有爭議時多一份佐證；房仲則用在帶看現場，一分鐘取得客觀初判與修繕預算區間，讓屋況揭露有依據。
如果打算動工，需要。AI 回答的是第一層問題，動工前必須確認水的實際路徑與防水層底下的劣化程度，這只有現場儀器與局部拆解做得到。最終判斷永遠以現場為準。
保固幾年、會勘多少錢、樓上不配合怎麼辦——15 題常見問題都寫清楚了 →
想先知道要花多少——抓漏檢測費用完整價目表 →
想搞懂水在牆裡怎麼走——LeakLogic 智慧抓漏教材 →