不知不覺走到第十三天了，覺得自己真的在慢慢累積起一個生程式AI工具箱。之前試過摘要、翻譯、情感分析，每一個功能單看都滿有趣的，但如果能把它們串在一起，不就更實用了嗎？

所以今天想做一個小小應用，就當成是鐵人賽的期中作品的概念吧!

目標很單純：我輸入一段文字，這個小助手可以幫我快速做三件事:抓重點（摘要）、翻成中文（翻譯）、順便看看裡面情緒是偏正面還是負面（情感分析）。

實際操作
使用summarization、translation、sentiment-analysis pipelines，在Colab中輸入程式碼。

from transformers import pipeline

# 建立 pipeline
summarizer = pipeline("summarization", model="facebook/bart-large-cnn")
translator = pipeline("translation_en_to_zh", model="Helsinki-NLP/opus-mt-en-zh")
sentiment = pipeline("sentiment-analysis")

text = """
Artificial intelligence is changing how we live and work. 
It has applications in healthcare, education, and entertainment. 
However, challenges such as ethics and data privacy remain.
"""

# 摘要
summary = summarizer(text, max_length=50, min_length=20, do_sample=False)[0]['summary_text']

# 翻譯
translation = translator(summary, max_length=60)[0]['translation_text']

# 情感分析
sentiment_result = sentiment(summary)[0]

print("摘要：", summary)
print("翻譯：", translation)
print("情感分析：", sentiment_result)

得出的結果為

可以看到不論是摘要、翻譯還是情感分析都蠻成功的。只是在情感分析部分，結果判定是正面，而且分數0.85代表模型信心蠻高的，雖然這段文字其實是中性偏正面，但也還算合理。

今天的整合小實驗雖然蠻簡單的，但我覺得這就是AI工具的價值所在，把一些原本要分開做的任務整合起來，一次完成。未來如果放到醫院客服或病歷系統裡，就能讓醫護人員更快處理資訊，把時間留給更重要的事。