前情提要：昨天我們建立好了各年齡層保險配置的動態矩陣。
本日目標：今天要解決保險界最大的痛點——「保單條款根本不是寫給人看的」。我們不寫複雜易錯的爬蟲，而是教大家如何用現代「AI 協作」的工作流來處理這些髒資料。

1. 揚棄 Python 解析，擁抱 AI 協作工作流 (The Meat)

如果你嘗試過用 Python (例如 pypdf 或 pdfplumber) 去爬取台灣各家保險公司的 PDF，你一定會崩潰。每家公司的排版、表格結構完全不同，花費大量心力寫的正則表達式，只要換一家公司就會全部失效。

在現代 AI 開發中，處理這種非結構化髒資料的最佳解法，就是**「AI 前置萃取 (AI Pre-processing)」**。

與其我們自己在程式碼裡跟 PDF 奮鬥，不如把這個重擔交給地表最強的 LLM（例如 Claude 或 ChatGPT）。我們將設計一段「萃取 Prompt」，讓使用者自己把保單丟給外部 AI 工具，要求它們將亂七八糟的 PDF 轉換成標準化的 Markdown 格式。然後，我們專案內的 first-policy AI 再來讀取這份乾淨的 Markdown 進行專業健檢。這就是 AI 互相協作的最佳實踐！

2. 實作核心：前置萃取 Prompt (Code Snippet)

請建立一個給玩家使用的提示詞文件 extract-prompt.md。未來玩家只要把這段文字，連同保單 PDF 丟給 ChatGPT 或 Claude 即可：

# 保單萃取 Prompt

請幫我閱讀這份保單 PDF，並嚴格按照以下 Markdown 格式萃取重點。
遇到艱澀的法律條文，請將其濃縮為「一句話的白話文」。若未提及則寫「無」。

## 保單萃取結果

- **保單名稱**：(填寫保單名稱)
- **保險公司**：(填寫保險公司)
- **主要險種分類**：(從 意外/醫療實支/壽險/重大傷病/失能/其他 中擇一)
- **是否為主約**：(是/否)
- **年繳保費**：(填寫數字 TWD)
- **主要保額**：(填寫數字 TWD)
- **主要理賠項目摘要**：
  - (白話項目一，例如：住院實支實付上限12萬)
  - (白話項目二...)
- **除外責任與不賠項目**：
  - (白話項目一，例如：美容牙科門診不賠)

這個工作流最棒的地方在於，我們要求外部 AI 必須把艱澀的法律條文，濃縮成「一句話的白話文」。這不僅減輕了我們專案內部 AI 的運算負擔，也直接解決了人類看不懂條款的痛點。

3. 今日總結與明日預告

今天我們學到了非常重要的一課：「不要為了展現技術而硬刻程式碼」。善用外部強大 AI 的泛化能力來處理髒資料，專注在我們專案核心的「財務健檢邏輯」，這才是最高效的開發思維。

降級選項：如果你或你的使用者不熟悉操作 Claude 等外部工具怎麼辦？別擔心，你也可以直接提供一份「免解析版」的空白 Markdown 範本，讓使用者手動把保單上的關鍵數字填進去，一樣能順利通關！

明日預告：資料準備好了！明天（Day 19），我們將正式撰寫 /insurance-review 指令，讓我們的 first-policy AI 讀取這份乾淨的 Markdown，開啟一場「多輪對話的保單斷捨離」！

• 🔗 專案 GitHub 倉庫：first-policy-ai