DataReadyv1.0
資料準備度你的資料夠不夠格餵 AI
在花錢做 RAG／微調前，先檢查文件的結構、覆蓋、雜訊與可抽取性，避免垃圾進垃圾出。
- 文件結構與覆蓋率
- 雜訊、重複、可抽取性
- RAG 可用性評分
Scroll
三項健檢，各看一個面向
每個工具獨立執行、各產一份 report.json，Suite 再把三份合成一張總覽。缺一兩份也行，沒給的支柱會標「未評估」。
TrustLensv0.1
回答可信度你的 AI 回答準不準
用你的問答對照表，量測回答的正確度與忠實度，把「感覺還行」變成可追蹤的數字。
- 正確度 / 忠實度
- 幻覺與離題標記
- heuristic 評審免金鑰
MCPGuardv0.1
接線安全度Agent 接系統前安不安全
掃描 MCP／Agent 設定的安全破口：過度授權、自動核可破壞動作、缺稽核軌跡。
- MCP 設定安全掃描
- 權限與外洩風險
- 嚴重度分級
Peakstar Suite合成總覽
AI 準備度總覽三份報告，一張總分
把三份報告合成一份「AI 準備度總覽」：一個總分、三大支柱燈號、跨支柱重點，以及一個諮詢切入點。把零散健檢變成一張能放進董事會、也能拿來談顧問的總覽。
四步，全程透明
線上 demo 用範例公司資料，伺服器端真的執行三支工具再合成。要正式評估時，同一套工具可以帶回你自己的內網本機跑，原始資料零外送。
01
指向資料
文件、QA 對照表、MCP 設定。線上 demo 用範例資料。
02
三項健檢
DataReady／TrustLens／MCPGuard 各自實際執行。
03
合成總覽
Suite 合成一張 AI 準備度總覽，總分＋燈號。
04
談下一步
看清盲點後，帶著總覽找 Peakstar 規劃落地。
親自試一次
點按鈕，伺服器會用一份範例公司資料，真的把三項健檢跑一遍，即時產出你的 AI 準備度總覽。也可以貼上自己的 mcp.json 或 QA 對照表來跑。
三項工具在伺服器端實際執行，約數秒完成。輸入即時處理、不留存。
--/100
上傳你的文件 → 跑 DataReady
選擇你公司的文件（pdf / docx / pptx / md / txt / csv，或一個 .zip）。伺服器即時分析、用完即刪、不留存。請勿上傳機敏資料。
貼上你的 mcp.json → 跑 MCPGuard
貼上你的 QA 對照表 (csv) → 跑 TrustLens
本站目前未開放 AI 精準評測，將以快速評審執行。
常見問題
線上 demo 會看到我的真實資料嗎？
demo 預設用範例資料。你若貼上自己的 mcp.json／QA，伺服器只在記憶體即時處理、產完報告就丟，不留存。要評估正式、機敏資料，建議把同一套開源工具帶回你自己的內網本機跑，原始資料零外送。
這分數是怎麼算的？
三支工具各自對一個面向打分（0-100）並列出發現，Suite 依三大支柱合成總分與燈號。TrustLens 預設用 heuristic 評審（不需 API 金鑰）；要更準可在本機接 openai／ollama。
可以自己安裝來跑嗎？
可以。整套 MIT 開源、零相依、Python 3.11+ 即可。GitHub：github.com/peakstargroup。
健檢完之後呢？
總覽會給你一個諮詢切入點。把它帶來找 Peakstar，我們協助把盲點變成可落地的 AI 導入規劃。