昨天，我為 CareCall AI 定稿四位虛構個案與四種工作流程狀態。今天往前再走一步：如果未來要讓文字輸入、語音逐字稿或 AI 整理關懷內容，它們究竟要回答哪些問題，又要用什麼格式保存？

我先把每日關懷定為四題：今天是否按照安排服藥、是否完成原本安排的量測、現在是否覺得身體不舒服，以及現在是否需要協助。這四題分別對應既有資料欄位，而且每題都有清楚限制。例如量測題只記錄是否完成，不判讀數值；不適題只記錄本人表達，不讓系統診斷病名或嚴重程度。

接著，我發現回答不能只分成「有」和「沒有」。真實對話中還可能出現「我不確定」、「我現在沒辦法回答」，甚至完全沒有取得回答。因此今天定義了五種回答狀態：明確回答、否定回答、不確定、無法回答與空白。

這五種狀態最重要的差異，是不能全部被存成同一個空值。「沒有不舒服」是完整的否定回答；「我不確定是不是不舒服」需要保留原文並等待人工確認；「我現在沒辦法量」表示已經取得回應，但本次無法完成；沒有接通或完全沒有輸入，才是空白。如果混在一起，系統後續就可能把沒有資料誤認為沒有問題。

在程式中，每一題回答現在都保存題目編號、原始回答、回答狀態、整理後的值、缺漏原因與回答時間。原始回答不會被整理值覆蓋，因為人工確認時仍需要知道個案真正說了什麼。當整理值是 null，也必須搭配回答狀態判讀，不能自行猜測。

我也讓四位 Demo 全部套用同一個格式。林阿春展示完整的肯定與否定回答；陳明德包含尚未量測與不確定內容；王秀蘭因為未取得回答，四題都是空白；李春美則涵蓋不確定、無法回答，以及明確表示不適和需要協助。四位個案共有十六筆回答，五種狀態都有實際範例。

今天沒有串接 AI API，也沒有用關鍵字直接判斷狀況。這反而讓我理解：AI 輸出不穩定，有時不是模型能力不足，而是我們沒有先說清楚問題、欄位與缺漏的意思。資料契約先穩定，後面的畫面、規則、語音與 AI 才有共同依據。

今日反思

好的 AI 功能不是從呼叫 API 開始，而是先決定哪些資訊必須保留、哪些不能推測，以及沒有答案時應該誠實地記錄什麼。