中文用語統一大作戰：從小細節到底層穩定，這週我修了哪些坑

本來計畫把時間放在核心功能的優化，結果一打開產品分析服務的介面，先被一堆不一致的中文用詞刺了一下。看似微小的「上傳」「提交」「新增」差異，對品牌商用戶的專業感和信任度卻是很實在的扣分。想到我們的客群特別在乎質感，我還是把今天的重心從新功能挪開，展開一場用語清掃。

原本只想改幾個明顯錯誤，一搜 repo 才發現同一概念居然有十幾種搭配方式。最後我從使用情境與用戶習慣出發，整理了一份用語表，將「提交資料」「新增商品」一律統一為「上傳產品」。順手檢查之前的 log，也驚覺開發初期為了快，留下了 test.log、debug.log、temp.log 等臨時檔，甚至沒被 .gitignore 排除。這些東西被 commit 進 repo，真的不行。於是我把怪異的日誌檔案全數加入忽略規則，清乾淨殘留檔案，整個專案視覺與結構都清爽許多。

如果說這天的成果看起來不炫炮，那這週整體就是一場「挖坑與填坑」的連續劇：AI 分類、圖片處理、安全檢查到用語統一，每個議題看似分散，背後其實都連到技術債與產品規劃。

AI 分類從最初直連 OpenAI API，一路重構成更穩定、可彈性擴充的架構。過程踩過 JSON 格式爆掉、分類結構設計不合理等雷，但靠著更完整的日誌與資料庫 schema 調整，現在穩定很多。這不是簡單修 bug，而是為未來的推薦與搜尋鋪路。

圖片處理也被迫重想：原本只是整理 API，最後導入 Pillow 統一處理各式格式，並把圖片儲存轉到 Cloudflare R2。效能提升之外，過去 resize 的不合理也一併收斂。安全檢查的誤判問題，透過模型升級與規則調整，錯誤率明顯下降；產品圖片顯示加上輪播與錯誤處理，整體專業感更到位。這些都不華麗，卻能換到用戶更實際的信任。

回頭看挑戰，核心其實是當初為了上線速度留下的技術債：圖片格式只做單一假設、中文用語混亂、分類架構欠推敲。短期圖快，長期就用時間與風險還債。還有一點得承認——我有時太容易被新技術吸引，決策過於樂觀（例如急著升級 Grok Mini）。這週多做了實測與監控，確認效能確有提升，算是補了一點信心，但之後導入新技術，還是要把成本與效益評估放在前面。

進度雖與原本計畫有落差（用語統一是臨時插入），但底層穩定性與用戶體驗的提升是扎實的。對 IngreLens 這種面向品牌商的產品，細節就是策略：介面用語一致、圖片呈現專業、數據準確，這些都直接影響信任與滿意度。未來 Roadmap 應該把這類「看似小事」的優化，正式列為節點，不要等到受不了或被反饋才補。

下週（4/21–4/27），重點會放在產品推薦功能的初步規劃與實作。AI 分類的彈性架構已經就位，是時候把它轉成實際的推薦能力，來提升使用黏性與產品價值。具體目標：

• 做出可供內部測試的推薦演算法原型與後端實作。

• 優化 Grok Mini 的使用方式，降低 API 成本、提高即時性。

• 盤點並分級這週浮出的技術債，安排逐步清償。

可能的挑戰與策略：

• 初期推薦準確度不高，先走內測、快迭代，對外明確標示 beta、調整期待。

• 在模型成本與延遲間取平衡，調整 prompt、導入本地快取與請求合併，降低調用頻次與費用。

總結一句：這週做的都不炫，但都是把專業感與穩定性往前推一格的事。產品的信任，是靠這些不顯眼的選擇，一點一滴累出來的。