AI、圖片處理與用語統一大作戰：這週我到底填了多少坑？

這一週回頭看，簡直就像瘋狂的挖坑與填坑大作戰。從AI分類、圖片處理、安全檢查到中文用語統一，每個問題看似獨立，背後卻透露出一些更深層的技術債與產品規劃問題

這週的重點成就與進展

AI分類功能從原本單純調用 OpenAI API 到現在逐步轉型為更穩定、更彈性的架構。雖然一開始踩了不少雷（JSON格式炸裂、分類結構不合理），但透過日誌紀錄與資料庫schema重構，目前看起來已經穩定不少。這個調整不只是簡單的修bug，而是為了未來更彈性的推薦與搜尋功能鋪路，算是這週比較滿意的成果之一。

另外圖片處理流程的重構也算是意外收穫。原本只是順手整理API，結果被逼著重新設計圖片上傳流程，導入Pillow統一處理各種奇葩格式。這次的重構不僅提高了系統穩定性，也順勢把圖片儲存轉移到Cloudflare R2，意外地提升了效能（之前的resize邏輯到底寫得多糟糕啊？🤔）。這種提升用戶體驗的細節，長遠來看絕對值得投入精力。

安全檢查機制與產品圖片顯示的優化，也是這週的亮點。安全檢查誤判問題，透過模型升級與規則調整大幅降低了錯誤率，產品圖片顯示則加入了輪播與錯誤處理，讓整個產品的專業感提升不少。這些細節雖然不夠炫炮，但對品牌商用戶的信任感卻有實質幫助。

挑戰與解決方案的反思

老實說，這週踩的坑大多源自當初趕進度時留下的技術債。從圖片格式處理的單一假設、中文用語混亂，到產品分類架構的不合理設計，都是當初為了追求快速上線而忽略長期維護性與彈性的結果。這次經驗再次提醒我，短期的便捷總會在未來付出代價，而這個代價往往比一開始多花點時間規劃來得更高。

在解決這些問題時，我也發現自己有時候太容易被新技術或新模型的宣傳給吸引，導致決策過於樂觀（比如Grok Mini的升級）。這週透過實際測試與監控，確認了新模型的效能提升，算是稍微挽回了一點信心，但未來還是要更謹慎地評估新技術的導入成本與效益。

進度評估與策略思考

整體來看，雖然這週的進度跟原本規劃有些差距（尤其是中文用語統一這件事完全是臨時插入），但成果卻是紮實的，尤其在技術底層的穩定性與用戶體驗上都有明顯提升。這種基礎性的改善，能為未來的功能開發與用戶增長提供更堅實的基礎，長遠來看絕對值得。

從產品策略的角度來看，這週的經驗也提醒我，Ingrelens作為一個專注於品牌商用戶的產品，細節真的極為重要。無論是介面的用語一致性、圖片顯示的專業感，還是產品數據的準確性，這些細節都會直接影響用戶的信任與滿意度。未來在規劃開發進度時，也許該更明確地將這些「看似小事」的優化納入正式的Roadmap，而不是等到用戶反映或自己受不了才臨時處理。

下週規劃與可能的挑戰

下週（4/21-4/27）主要的重點應該放在產品推薦功能的初步規劃與實作上。AI分類架構的重構已經提供了足夠的彈性，該是時候好好利用這些架構上的優勢，把產品推薦做起來，進一步提升用戶的使用黏性與產品價值。

具體來說，下週的目標是：

• 完成初步的推薦演算法與後端實作，至少要有一個可供內部測試的原型。
• 進一步優化Grok Mini模型的使用方式，降低API成本並提高即時性。
• 針對這週發現的技術債，安排一次技術債務的盤點與優先級排序，確保未來能逐步解決。

可能會遇到的挑戰：

• 推薦演算法的初期準確性不佳，用戶反饋可能會比較負面。應對策略是先從內部測試著手，快速迭代，明確告知用戶這是beta功能，降低初期期望值。
• AI模型成本與延遲的平衡。需要仔細觀察Grok Mini的使用情境與成本效益，可能需要進一步調整prompt設計或引入本地快取機制，降低API調用次數與成本。

總之，這週的坑填得雖然辛苦，但也讓產品變得更穩定、更專業。