穩住掃描，補強地基：今天我為 IngreLens 做的兩件事

早上先把「條碼掃描」的辨識率穩住了點。我原本以為這只是小幅增強，結果一測才發現小尺寸或模糊條碼的失敗率高得離譜，逼得我重新思考：這功能真的有核心價值嗎，還是只是漂亮的噱頭？最後我選擇面向現實，把技術組合做了調整。

技術策略上，我改為混合使用 ZXing 與 QuaggaJS：前者負責靜態圖片、支援多格式且準確；後者處理即時視訊、在動態場景更穩。單用任何一個都卡關，混合才能互補。為了避免掃描失敗造成壞體驗，我另外寫了錯誤處理與降級邏輯（graceful fallback），讓用戶能改用手動輸入。測試也全面重整：把理想化的單元測試換成含雜訊與模糊圖的情境案例後，辨識率從 60% 拉到 90%，不過掃描時間也增加了約 20%。這筆性能代價我先收下，後續再優化。

把掃描穩住後，我刻意把焦點拉回產品的「地基」：產品管理模組。IngreLens 的核心是做產品分析，如果基本資料管理散亂，AI 再強也是空中樓閣。於是我先把 CRUD 做紮實，還順著查詢效能問題回頭清理資料庫設計：之前貪快用簡單表結構，結果查詢一慢就讓人抓狂，也暴露了關聯設計的欠缺。這段過程情緒像雲霄飛車：一邊懷疑是否該優先做這模組，一邊在每個調整中找到小小的成就感。為了讓未來擴展少踩坑，我也把 API 文檔補完整，加上詳細的 Swagger 註解。

AI 分析這邊也同步迭代。我新增「產品描述」與「成分」的模型，讓分析不只列清單，而是能辨識不同保養品類型的成分風險；提示內容也微調：刪除會誤導的客服聯絡資訊、強化「化妝品安全性分析師」的角色界定。這裡我先用簡單 JSON 試跑，結果模型無法表達複雜成分關聯，只好回頭重構資料模型，再花兩小時同步 API 文檔與測試。雖然不完美，但每一步都更接近真正的用戶價值。

今天的兩條主線，把條碼掃描的可靠性拉升、把產品管理的地基墊高，讓我對 IngreLens 的骨架更有信心。

接下來我會持續觀察它們與 AI 模組的互動，避免陷入無止境的優化。創業常常卡在細節、又必須在細節中前進；這種自我對話讓我保持清醒，也提醒我：先把地基打好，再讓 AI 長出真正有用的能力。