報名沈伯洋的市政 debug 松後細看題目發現，由於黑客松時間短，參與者一般傾向於直接從題目裡的資料和舉例開始動手，不會特別做政策制訂前期所需的盤點跟分析，提案的方向可能會太過侷限或出現意料之外的副作用——現任台北市政府推動「無菸城市」結果把吸煙區設到幼稚園跟學校旁邊，就是缺乏政策前期分析的前車之鑑 以第二題「找回消失的垃圾桶」為例，題目原文 「台北行人專用垃圾桶從全盛時期近 3,000 組，縮減到約 800 組。環保局依家戶垃圾違規棄置量評估裁撤或復設，但我們能不能結合行人流量、商圈分佈與民眾通報熱點，打造動態清理和智慧化的垃圾桶佈建建議？」 經過 AI 模擬分析發現，可能牽涉到多達 24 個利害關係人，有些利害關係人的需求還會互相衝突。雖然 AI 模擬必定失真，但仍有值得參考之處，如果大家可以把這些 stakeholder 和他們的 45 個 user story 納入考量，提案內容跟現實可行方案之間的距離應該能夠多少再縮短一些 《台北市政 debug 松議題的模擬分析 》部落格全文請見 https://etblue.blogspot.com/2026/10/puma-taipei-debug-hackathon-issue-analysis.html #公民日記 #黑客松 #puma