昨天把資料層鎖的架構建立起來後，
目前產值評估工具中有5個靜態JSON，
但都還只是一個空殼classification.json
因此今天就要來製作本工具中的關鍵字庫判斷方式
意即我不是不呼叫任何API，
而是透過讓使用者「輸入企業描述」來讓工具內直接「判斷所屬產業」~

一、今日目標

• 用 Claude 在開發期建出「行業別 × 關鍵字 × 同義詞 × 權重」的分類庫，
• 寫出執行期的純前端計分架構，用來輸出前 3 名候選產業（附信心度與命中關鍵字），由使用者點選確認。

二、計分設計：六個步驟

流程：使用者輸入 → 正規化（全半形、去贅字）→ 對照 classification.json 做同義詞展開與加權比對 → 計分排序與門檻過濾 → 輸出前 3 候選（信心 %＋命中關鍵字）→ 人工確認（低於門檻時引導手動搜尋行業分類）。

以「我們做車用 PCB 打件與組裝」為例：
「PCB」經同義詞展開命中「印刷電路板」（+3.0）
「打件」命中「SMT 組裝」（+2.0）
「車用」是應用場景詞（+1.0）
加總後「印刷電路板製造業」以 92% 信心度排第一，卡片上同時顯示命中了哪些詞，判斷過程對使用者完全透明。

三、我下的 Prompt

依主計總處行業標準分類的製造業與資訊服務業主要類別，幫我建立 classification.json：每個行業別列出 8–15 個核心關鍵字、每個關鍵字的同義詞（含英文縮寫與台灣業界慣用語，例如 PCB＝印刷電路板＝電路板）、權重 1–3（越具產業識別度越高）。通用詞如「科技」「電子」「公司」權重歸零或列入停用詞
輸出必須符合 types/data.ts 的 Classification

四、驗收與修正

Claude一樣給我了一個 修正後的檔
因此在覆蓋專案檔後
執行以下內容

執行結果如下

結果顯示
20 句擬真企業描述丟進引擎，19句判段正確。
因為目標是 18/20，所以通過驗收通過

但實際上我們可以去看那句失敗的案例

我們幫車廠做板子上的元件」
這句是故意設計來失敗的
因為此句話中，並沒有專有名詞

**「板子」不是 PCB、「元件」不是 MLCC，
唯一具體的詞是「車廠」，
因此工具在判定中係透過「車廠」這個線索來判定
所以最終判成汽車零件製造業。
但實際上這句話要做的是被動元件(貼在電路板上的電容電阻)~
**

所以這暴露出目前工具中可能存在一些問題
它只認得「字」，不懂「意思」
當我們在看到「板子上的元件」時，經常性會認為這是電子元件，而這也是為什麼我在前面規劃時即已劃分，使用者如若要有精準判斷，需自備金鑰的設計
畢竟有花token跟沒花token還是有結果差異的。

五、和過去寫爬蟲建字庫差在哪？

寫到這邊，我認為這裡對於過去有寫爬蟲程式經驗者來說
我可以分享一下很有趣的心得
當年的標準做法是寫爬蟲：抓政府分類說明頁、人力銀行職缺、公司簡介、產品目錄，清洗後用 jieba 斷詞、算 TF-IDF 詞頻、再人工篩選標註。

同一件事，兩種做法的差異整理如下：

兩個關鍵差異如下：

• 本質差異是「實證 vs 蒸餾」：爬蟲字庫的每個詞都有語料出處，可以回答「為什麼收這個詞」；Claude 字庫快得多、同義詞品質高得多，但權重是模型的判斷而非統計，因此在目前Claude給我的設計上，對抗測試是必需的，它扮演了過去「詞頻統計」的驗證角色
• 兩者其實互補：這次用 Claude 在幾小時內把庫建到八成堪用，是爬蟲做法辦不到的起步速度；但若日後要衝長尾涵蓋率，回頭用爬蟲抓真實語料來驗證與補強字庫，仍然是最正規的玩法。

六、今日小結

整體來說我認為今天我做的事情
是要闡述一件事
零成本不等於零智慧
儘管透過Claude的幫助，成功在這個平台製作上，可以有效變成零成本
但實際上這跟我們以前在寫「爬蟲」的概念一樣
如果我辭庫具備滿滿的資訊與判斷
那必定可以更精準判定
但如果是把這些行業分類資訊，「蒸餾」成一份靜態 JSON
那儘管際成本為零，但在進行對抗測試時，一定會出現問題
當然這也是我為什麼要分兩種情況來寫這個平台~

我覺得對於給使用者操作上，一個很公平的選擇
既然消費者有決定權，那自行承擔應付費用
是合理的，當然在此平台的設計上，
仍舊是以公開且免費使用為最基本~