Twinkle Hub實測教學|國考考古題、房價、政府採購案直接問AI!安裝方式、用法一次看
Twinkle Hub實測教學|國考考古題、房價、政府採購案直接問AI!安裝方式、用法一次看

台灣國考考過「環境影響評估」的題目有哪些?我家旁邊的房價實價登錄是多少?今年金額最大的政府採購案是哪幾筆?

這些問題你都可以直接問 AI ——前提是它看得到資料。台灣政府開放資料其實涵蓋環境、觀光、採購等近 5 萬筆資料集,但分散在上百個入口、格式五花八門,AI 根本無從取用,只能回你一句「建議您前往官方網站查詢」。

Twinkle Hub 就是要打通這個缺口。Twinkle Hub 把政府資料開放平臺上 49,343 筆資料集整合成一個 MCP 端點,讓 Claude 可以與其串接,並直接呼叫、即時查詢。

這款 MCP Server 於 5 月初上線後,在社群引發討論。近日,也已將 6.4 萬份考卷、32 萬題的國考題目資料庫納入其中。《未來商務》以下將提供串接步驟教學,並實測這個工具到底好不好用?

twinkle hub實測
圖/ 螢幕截圖

Twinkle Hub 是什麼?

Twinkle Hub 是由 Twinkle AI 開發的 MCP(模型上下文協定)服務,核心概念是把台灣各類公開資料來源統一整合在單一 MCP 端點後面,讓支援 MCP 協定的 AI 客戶端,包括桌面版 Claude 、Cursor 等 AI 工具都可以直接查詢資料,不需要開發者自己去爬各個政府入口網站。

此外,內建有 32 個台灣在地工具(TW utility tools),可用來處理開源模型在台灣特定任務上容易出錯的場景,像是捏造地址格式、機關名稱亂碼等,而不依賴模型推測。

twinkle hub實測
圖/ 螢幕截圖

第一階段整合的資料來源是政府資料開放平臺,涵蓋 20 個領域,近 5 萬筆資料集,包括環境、不動產、交通、醫療、食品、藥物與政府採購等。這些資料集每天與政府同步更新(各領域資料集的同步頻率因類別而異),並統一清理欄位命名,不論原始格式是 CSV、JSON、Excel 還是 PDF,都轉換成 AI 可以直接操作的形式。目前 Twinkle Hub 仍在 alpha 測試階段,在此期間所有功能完全免費,無使用量上限。

前往 Twinkle Hub:請點我

Twinkle hub實測
圖/ 螢幕截圖

如何串接 Claude 與 Twinkle Hub?

以下提供新手友善的三個串接方法。不過,如你是開發者或平常慣用 GitHub Copilot CLI 或 Codex CLI,建議可直接參考官方的串接說明

方法一、於桌面版 Claude 設定(不需繁瑣設定。最推薦)

1.下載擴充程式

於官方首頁一鍵下載「Twinkle Hub for Claude Desktop」擴充程式。

#0 twinkle hub實測
圖/ 螢幕截圖

2.取得 API 金鑰

透過 Google 或 GitHub 帳號可一鍵登入 Twinkle Hub。登入後,系統會自動產生一組虛擬 API 金鑰(格式為 sk-...),如下圖。

twinkle hub api key
註冊並登入 Twinkle Hub 後,系統會自動產生一組虛擬 API 金鑰,用來跟 claude 串接。
圖/ Twinkle hub 官網

也可從右上角的頭像,點擊「API 與設定」進行查看。

twinkle hub實測
圖/ 螢幕截圖

3.點擊擴充程式並安裝

點擊下載好的擴充程式後,於桌面版 Claude 會跳出 Twinkle Hub 的下載頁面。點擊下載(Install),並輸入於官方取得的 API 金鑰後,即完成安裝。

#2 twinkle hub實測
圖/ 螢幕截圖
#1 twinkle hub實測
圖/ 螢幕截圖

方法二、Claude Code(推薦給付費用戶)

Claude Code 是 Anthropic 推出的命令列工具(CLI),讓使用者可在終端機中直接與 Claude 對話並執行任務,同時支援以單行指令快速串接 MCP 服務,不需手動編輯設定檔。使用此方法需要 Claude Pro 層級以上的訂閱方案,或持有 Anthropic API 金鑰。

1.於 Twinkle Hub 取得 API 金鑰

透過 Google 或 GitHub 帳號可一鍵登入 Twinkle Hub。登入後,系統會自動產生一組虛擬 API 金鑰(格式為 sk-...),如下圖。

twinkle hub api key
註冊並登入 Twinkle Hub 後,系統會自動產生一組虛擬 API 金鑰,用來跟 claude 串接。
圖/ Twinkle hub 官網

2.於 Claude Code 貼入指令與 API 金鑰

在 Claude Code 中執行下方指令,將 sk-... 替換為自己的 API 金鑰後送出,即完成設定。

claude mcp add --transport http twinkle-hub https://api.twinkleai.tw/mcp/ \
--header "Authorization: Bearer sk-..."

twinkle hub實測
圖/ 螢幕截圖

延伸閱讀|Claude 訂閱方案大更新,程式化用量 6 月起獨立計費「防低價吃高量」!訂閱方案一表看懂

方法三、手動設定

若偏好手動操作,可直接前往指定文件編輯設定檔。不同作業系統的路徑如下:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json
Linux: ~/.config/Claude/claude_desktop_config.json

在 mcpServers 區塊中加入 Twinkle Hub 的連線資訊,並將 sk-... 替換為實際的 API 金鑰,儲存後重啟 Claude 即完成設定。

以下為手動更新好的文件編輯設定檔。

twinkle hub實測
圖/ 螢幕截圖

如何確認是否與 Twinkle Hub 串接成功?

在 Claude Code 對話中輸入 /mcp,可查看目前已連線的 MCP 伺服器狀態。成功串接後,可看到 twinkle-hub 已列入。

twinkle hub實測
圖/ 螢幕截圖

Twinkle Hub 好用嗎?

實測一、國考題中提及「董事責任」的題目有哪些?

串接完成後,詢問:「歷屆律師考試提到『董事責任』的題目」。

以下為生成結果,可見 Claude 列出了從民國 101–114 年期間的有提到「董事責任」的題目。此外,如需取得特定年份試卷 PDF 連結,也可直接請 Claude 提供。這樣一來,對於有備考需求的人,他就可以先專攻特定年份的考古題,而不用多花時間去查詢及下載各年度的題目。

#0 Twinkle hub實測
圖/ 螢幕截圖
#1 Twinkle hub實測
圖/ 螢幕截圖

實測二、台北近 30 天 PM2.5 趨勢如何?

第二個測試,詢問:「顯示台北近 30 天的 PM2.5 讀數,並說明趨勢。」從生成結果最底部的「注:官方資料集目前更新至 5/08,5/09 後資料尚待入庫,因此圖表顯示至該日為止。」可印證 Claude 確實呼叫了 Twinkle Hub 的 MCP 工具,從環境領域資料集拉取了測站數據,列出各監測站的數值,並針對趨勢給出文字分析。整體回應速度約在數分鐘內完成,明顯比手動前往環保署查詢來得直覺。

#1 twinkle hub實測
圖/ 螢幕截圖

另外,如過程中 Claude 詢問你是否連結 MCP,點選允許即可。

#3 twinkle hub實測
圖/ 螢幕截圖

實測三、今年政府採購前 10 大合約是哪些?

第三個測試,改詢問:「列出今年金額最高的前 10 筆政府採購合約,包含機關名稱與得標廠商。」

這題較具挑戰性,因為採購資料涉及欄位較多、結構較複雜。Claude 透過 Twinkle Hub 呼叫採購領域工具,回傳了一份含機關名稱、標案名稱、得標廠商、決標金額的清單。實際驗證後,資料與政府採購網公開資訊吻合,準確率有一定水準,且 Claude 甚至會列出該份清單的閱讀重點,方便一般用戶理解資訊。

#2 twinkle hub實測
圖/ 螢幕截圖

資料的「即時性」仍受限於 API 同步週期,如本次僅能查詢截至今年 3 月中旬的資料。

twinkle hub實測
圖/ 螢幕截圖

實測四、這間民宿合法嗎?

第四個測試從觀光旅宿的角度切入,查詢特定業者合法登記狀態:「請問台北市的 XX 民宿是否有合法登記?」

Twinkle Hub 的 20 個領域中涵蓋觀光旅宿相關資料,Claude 呼叫後確實查到了相關資料集,並比對出該民宿的登記狀態與核准字號。

#0 twinkle hub實測
圖/ 螢幕截圖

這類資訊過去多半散落在觀光局或縣市政府官網,格式不一,要確認一間民宿的合法性需要多個步驟。AI 直接整合資料比對,使用體驗接近一個「即時查詢小助手」。然而,民宿登記資料的更新頻率因縣市而異,若業者剛完成登記或近期撤銷,資料可能尚未同步,查詢結果宜視為參考,不宜作為唯一依據。另外,對於模糊的店名,Claude 目前沒有提示「可能有多筆相似名稱」,容易讓使用者誤以為結果是精確比對。

用提問取代搜尋,Twinkle Hub 讓資料被看見

Twinkle Hub 解決的是一個真實存在的痛點:台灣開放資料雖然豐富,但對一般使用者來說幾乎等於不存在,因為光是找到正確入口、理解格式、下載處理就已經把大多數人擋在門外。透過與 Claude 串接,這個工具讓 AI 真正能協助使用者讀懂並看見這些資料,而不是只會回答「建議您前往官方網站查詢」。

尤其在不知道哪個機關負責、哪個網頁可以查的情況下,直接用自然語言向 Claude 詢問就好,它也會主動說明資料來源。然而,唯一的限制是,資料的「即時性」仍受限於 API 同步週期。如使用者仍需得知最新的數據,仍須花時間手動查詢。

本文授權轉載自FC未來商務

關鍵字: #AI工具
往下滑看下一篇文章
從 CDP 到 Agent,beBit TECH 如何打造懂企業、懂行銷的 AI 代理人?
從 CDP 到 Agent,beBit TECH 如何打造懂企業、懂行銷的 AI 代理人?

當眾多 AI 新創仍將焦點放在追求更強大的模型能力,或尋找下一個成功案例時,beBit TECH 已開始思考另一個層次的問題:如何打造一家能夠持續成長、且具備規模化複製能力的企業級 AI 公司。

近期,beBit TECH 完成與日本 beBit 集團的戰略分拆,不僅確立台灣為全球總部,也同步完成逾億元首輪募資,並預計不久後啟動在台 IPO 規劃。然而,真正值得市場與投資人關注的,不單是分拆或募資本身,而是這一連串布局背後所釋放的訊號—— beBit TECH 已正式跨越產品與市場驗證階段,邁向規模化擴張的新成長階段。

而產品、產業應用及海外市場,就是驅動 beBit TECH 下一階段成長的三大引擎。beBit TECH 創辦人暨執行長陳鼎文表示, 未來將聚焦三大布局,包括持續深化企業級 AI 產品、擴大跨產業應用版圖,以及拓展日本與東南亞等海外市場。首先,在產品面,將持續強化 AgentBit 智慧代理人的能力,結合 OmniSegment CDP 的數據底座與產業 Know-how,打造真正懂企業、懂行銷的 AI Agent。

beBit TECH 創辦人暨執行長陳鼎文
beBit TECH 創辦人暨執行長陳鼎文
圖/ 數位時代

產品布局:從理解數據的大腦,進化為「自主執行」的虛擬員工

陳鼎文進一步說明,近年企業紛紛導入各種 AI 或 AI Agent 應用,希望提升營運效率與員工生產力,但 AI 能否真正創造價值,關鍵並不在模型本身,而是資料品質。若企業的會員資料分散、格式不一致,甚至充滿錯誤,即使導入再先進的 AI 模型,也難以產出可靠的分析與決策。換句話說,企業唯有先建立穩固的數據底座,才能真正發揮代理式 AI 的價值。

正因如此,beBit TECH 選擇將 AgentBit 建立在 OmniSegment CDP 上,形成以 CDP 為數據底座、Agent 為執行核心的新一代企業級 AI 架構。陳鼎文形容,OmniSegment 就像一顆智慧大腦,可以完成跨通路數據整合,並進行資料清理與標準化,而 AgentBit 則是智慧代理人,它可以根據 CDP 大腦所提供的數據做出決策,自主完成受眾分群、內容生成、活動執行、成效監測與優化建議等行銷工作。

更重要的是,OmniSegment 多年來已累積眾多不同產業的實戰經驗與行銷 Know-how,使 AgentBit 不只具備內容生成的能力,更理解不同產業的會員經營模式與行銷邏輯,能依據企業情境挑選最適合的受眾、生成更精準的溝通內容,並持續優化策略。

以中秋節的節慶行銷活動為例,當過去行銷人員必須自行篩選受眾、撰寫文案,再依據活動成效反覆調整策略,整個促銷活動期間都要處於備戰狀態;如今,只要以自然語言輸入活動目標,AgentBit 即可串接 OmniSegment 的數據,自主完成後續工作。當行銷成效未達預期目標時,它還會持續分析結果、修正策略,直到找出轉換率更高的路徑為止,真正讓企業累積的數據,轉化為持續創造營收的智慧資產。

讓數據自己跑出營收!AgentBit 結合 CDP 乾淨數據與實戰 Know-how,只需輸入指令即
讓數據自己跑出營收!AgentBit 結合 CDP 乾淨數據與實戰 Know-how,只需輸入指令即可全自動執行行銷並自主優化成效,打造不斷線的 AI 營收引擎。
圖/ beBit TECH

市場布局:以電商護城河,打造 OMO 與金融雙成長引擎

其次,在產業應用面,beBit TECH 將持續擴大在實體零售、生活服務與金融業的市場布局。「電商是 beBit TECH 的核心基本盤,而實體零售與金融業則是我們下一波的成長引擎。」陳鼎文說。

beBit TECH 成軍初期聚焦於品牌電商,透過客戶數據平台 OmniSegment CDP 協助客戶整合並應用手中的第一方數據,提升會員價值與營收。至今,beBit TECH 已累積上百家品牌電商客戶,並在不同產業情境與應用需求中,持續驗證及優化 OmniSegment CDP 的產品能力。這些豐富的導入經驗,讓 beBit TECH 更深入掌握企業在數據應用上的實際痛點,進而推動產品與 AI 模型持續迭代成熟, 築起一條競業難以跨越的數據護城河。

有了電商戰場的成功經驗,beBit TECH 開始將目光投向線下與實體場域,運用 OmniSegment CDP 協助零售品牌打通線上與線下的會員數據,真正做到跨通路的數據即時整合,讓 OMO 經營不再只是口號。

過去一年,beBit TECH 更成功將觸角延伸至同樣擁有龐大數據的金融業,包括國際保險集團及指標金控,皆已導入 OmniSegment CDP,由系統依據客戶在不同通路的行為,即時判定其意圖並推薦最合適的金融產品。這意味著金融業也能運用電商「千人千面、即時觸及」的行銷模式,一改過去亂槍打鳥、只能照著名單一一撥電話的傳統做法。

「金融業的 AI 個人化行銷現在才剛開始,beBit TECH 能與多家指標性金融客戶合作,代表我們的數據安全和隱私合規性,已經通過了市場上最嚴格的標準,這對於未來跨足其他產業有非常大的幫助。」陳鼎文強調。

海外布局:立足台灣,加速拓展日本與東南亞市場

第三,在海外發展上,則是加速拓展日本與東南亞市場。陳鼎文表示,相較於多數台灣新創進軍日本市場,往往需要一、兩年才能站穩腳步,beBit TECH 憑藉與日本 beBit 集團的緊密合作,已經成功「逆向」打回日本市場,短短兩年多便累積超過 30 家大型企業客戶,涵蓋航空、餐飲集團等不同產業,未來日本仍將是 beBit TECH 拓展海外營收的核心關鍵。

除了日本之外,beBit TECH 也將東南亞視為下一階段的戰略要地。一方面,看好當地人口結構年輕與數位應用快速成長所帶來的商機;另一方面,隨著全球 AI 人才競爭白熱化,東南亞更是重要的人才庫,有助於 beBit TECH 持續推動產品全球化與技術迭代。

「我們希望將 beBit TECH 打造為『亞太區企業級 AI 的領導品牌』。」陳鼎文感性表示,這也是團隊確立將全球總部設在台灣的初衷。未來,beBit TECH 將持續以台灣為核心,向外輻射至日本、東南亞、甚至更廣泛的國際市場,讓世界看見來自台灣的 AI 技術實力與商業價值。

從台灣品牌電商起家,一路跨足實體、金融、日本與東南亞市場,beBit TECH 想做的不只是一套好用的 AI 工具,而是一個能讓企業把數據轉化為營收的企業級 AI 平台。當全球 AI 競爭開始從模型能力,轉向商業化與規模化,這家台灣新創正用清晰的策略布局,寫下屬於自己的下一個成長故事。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓