昨天我確認了後續的全免費架構
「AI 只用在開發期，執行期零API呼叫」
這是最省錢的做法，當然前置作業就變很多~~

這也是為什麼會有今天這個部分。
因此今天要先解決整套工具核心問題之一：
資料從哪裡來、怎麼放進這個「執行期不呼叫任何外部來源」的架構裡。
畢竟產值評估的資料可信度，完全建立在資料品質上，
因此今天的整套決策，將決定了未來工具中各種模型是否能落實。

一、今日目標

• 完成台灣官方資料源盤點表
• 確立資料取得策略
• 寫出第一支解析程式(擬用一份官方數據，轉成隨網站部署的型態)。

二、資料策略：預先抓取，而非即時呼叫

我原本的構想是「使用者按下評估，系統即時去抓官方資料」，但思考後自行翻篇，原因有三點：

1. 公開資訊觀測站（MOPS）沒有正式 API，而且有反爬限制:即時抓取不只慢，還隨時可能失敗，使用者體驗完全不可控
2. 官方統計的更新頻率是月／季:即時抓取所換來的「新鮮度」是無意義的，因為官方資料不會天天更動
3. 全免費架構要求執行期零外部呼叫——即時抓取違反 Day 3 定下的第一原則

所以策略定為：每季跑一次抓取腳本，把官方資料整理成靜態 JSON 放進專案的 data/ 資料夾，隨網站一起部署。
執行期前端只讀自己站內的 JSON，這種方式能確保工具執行速度快、百分之百穩定、零成本。
代價是資料非即時，因此 Dashboard 上會固定顯示「資料時程區間」區塊。

三、台灣產值資料地圖

說真的，以產業分析師日常來說，產值資料實際多數仍為公開項目，畢竟如果非公開，也不用做產值評估，當然就經驗老到的分析師來說，產值評估是沒有一個標準答案，重點在於你如何解析資料、如何讓數據變得有價值，我想這才是關鍵點。

當然在這邊，我就是先透過與Claude討論的方式，整理出以下資料源:

取得策略統一為：每季預先抓取 → 轉靜態 JSON 放 data/ 隨站部署，執行期不即時呼叫任何來源。

四、解析程式實作

我先從經濟部統計處下載一份工業產銷存的 CSV，然後把「檔案的前 10 行原始內容」直接貼給 Claude：

這是經濟部工業產銷存動態調查的 CSV 前 10 行（貼上原始內容）。請幫我寫一支解析程式：讀取檔案、整理成〔行業別、年月、產值〕的乾淨結構，輸出成 data/industry_output.json，這份 JSON 會隨 Next.js 專案部署、由前端直接讀取。注意：金額單位與年份格式請依檔案實際內容處理。

五、資料驗收

程式能跑不代表資料是對的。我做了兩層驗收：

• 數字核對：抽兩個熟悉的行業，把 JSON 內容與統計處官網公布的數字人工核對——一致才算過關。這是鑑識工作留下的習慣：工具可以自動化，但驗證不能省略
• 結構檢查：請 Claude 在 JSON 裡加上 meta 欄位（資料來源、抓取日期、基準期間、單位）——資料檔案自己說明自己的出處，之後 Dashboard 的「資料基準期」區塊直接從這裡讀

驗收內容: 檔案第一筆是 1,245,678,901 千元,而 1 億元 = 100,000 千元,所以 1,245,678,901 ÷ 100,000 = 12,456.79 億元

六、小結

今天整體來說主要就是著重於資料抓取與呈現，從Claude先確認資料來源之後，然後請Claude給我一個實作分析結果，確認資料是否有辦法讀取。
透過這種方式讓我體會到，Vibe Coding 處理資料工程時，「把真實檔案內容貼給 AI」遠比「描述」的方式來的有效。因此透過「預先抓取」這個策略，能夠建構出更透明的開發過程。