前言

昨天的 Day 10，已經完成了 SubWise 最重要的第一個資料流：使用者說一句話 → Gemini 理解 → Python 解析 → Google Sheets 儲存。例如「我今天午餐花了 120 元」可以被 Gemini 轉換成結構化資料，再寫入 Google Sheets。

但做到這裡，發現一個問題：如果 SubWise 只能「記錄」，卻不能「回答」，那它還稱不上是一個真正的智慧記帳管家。

真正的應用程式通常需要兩個方向：
使用者 → SubWise → 寫入資料 → Google Sheets
↑
讀取資料

昨天完成的是 Write，今天 Day 11 要完成的是 Read + Query，也就是讓 SubWise 能回答「我有哪些訂閱？」「Netflix 什麼時候扣款？」「我這個月花多少錢？」這些問題。

先讓 Gemini 學會「查詢意圖」

如果使用者說「我今天午餐花了 120 元」，這是一筆新的消費（type: expense）；但如果使用者說「我今天花多少錢？」，這就不是要新增資料，而是要查詢資料。因此讓 Gemini 多了一種類型：query。

目前 SubWise 的主要資料類型變成四種：expense、subscription、query、chat。

Query JSON 設計成：

{
  "type": "query",
  "target": "expense",
  "period": "month",
  "keyword": null
}

• target：要查什麼，expense 或 subscription
• period：查詢時間，today、yesterday、week、month、all
• keyword：搜尋特定服務，例如 "Netflix"

今日實作實錄

一、測試 Gemini 的查詢意圖判斷

• 查詢所有訂閱：使用者問「我有哪些訂閱？」，Gemini 沒有直接回答「你有 Netflix」，而是先轉換成 {"type": "query", "target": "subscription", "period": "all", "keyword": null}。這正是 AI Agent 很重要的一個概念：LLM 負責理解意圖，Python 負責執行真正的資料操作。
• 查詢特定訂閱：「Netflix 什麼時候扣款？」會多帶上 keyword: "Netflix"，讓 Python 知道只需要去 Google Sheets 找 Netflix 這一筆。
• 查詢消費：「我這個月花多少錢？」對應 period: "month"；「我今天花多少錢？」則對應 period: "today"，Python 可以依此選擇不同的資料範圍。

二、建立 Google Sheets Query Service

有了 Gemini 的 Query JSON，下一步是讓 Python 真正執行查詢。把原本的 Google Sheets 功能進一步整理，架構變成：
Gemini Query JSON → Query Service → Google Sheets

例如 query_data("expense") 可以取得所有消費資料，query_data("subscription") 則取得所有訂閱。

實測成功讀取消費資料（6 筆）與訂閱資料（Netflix），代表昨天寫入的資料，今天已經可以重新被系統讀取。

三、加入日期篩選

如果把所有資料全部拿出來還是不夠實用——例如使用者問「我這個月花多少？」，不能把半年前的資料全部拿來計算。因此加入日期篩選，支援 today、yesterday、week、month、all 五種區間，測試結果：

代表 Query Service 已經開始具備真正的資料篩選能力。
分別測試五種時間區間，today 找到 0 筆（因為今天還沒記帳）、yesterday 與 week 各找到 4 筆、month 與 all 則找到累積的 6 筆，證明日期篩選邏輯確實依照區間正確過濾資料，而不是每次都把整張表撈出來：

四、加入訂閱關鍵字搜尋

除了日期，也希望能搜尋特定訂閱。加入 keyword 參數後，搜尋「Netflix」成功找到 1 筆，搜尋「Spotify」則正確回傳 0 筆，代表關鍵字搜尋正常運作。

為什麼不讓 Gemini 直接查 Google Sheets？

這是今天最值得記錄的一個設計思考。一開始可能會覺得「既然 Gemini 這麼聰明，那乾脆讓 Gemini 自己處理全部事情？」但實際設計後發現，最好把工作拆開：

• Gemini 負責：理解人話、判斷意圖、判斷查詢目標、判斷日期範圍、判斷關鍵字
• Python 負責：讀取資料、篩選資料、計算金額、更新資料、寫入 Google Sheets
• Google Sheets 負責：儲存資料

也就是 Gemini = 大腦，Python = 執行者，Google Sheets = 記憶。這樣的架構比較容易維護，也方便未來替換資料庫。
現在整體流程變成：
使用者 → Gemini（理解自然語言）→ Query JSON（type/target/period/keyword）
→ Query Service → Google Sheets → 日期篩選 → 計算總金額 → 格式化結果 → SubWise 回

這比單純寫一堆 if "花多少" in message 成熟很多，因為系統不是靠大量關鍵字判斷，而是讓 Gemini 負責理解使用者的自然語言。

今天踩到的坑：Google Sheets API 的 RemoteDisconnected

查詢消費資料成功，但查詢訂閱時連線突然中斷，出現 RemoteDisconnected 錯誤。這類問題很適合用來理解：API 能正常運作，不代表每一次 API Request 都一定成功——網路服務本來就可能遇到 Connection Error、Timeout、API 暫時無法使用、Rate Limit 等狀況。目前先確認核心功能正確，例外處理留待之後（Day 29）再進一步補強。

今日成果整理

• Gemini 新增 query 意圖判斷，資料類型擴充為 expense / subscription / query / chat
• 設計 Query JSON 格式（target / period / keyword）
• 建立 Google Sheets Query Service
• 成功讀取消費與訂閱資料
• 加入日期篩選（today / yesterday / week / month / all）
• 加入訂閱關鍵字搜尋

今日成果 Demo

現在 SubWise 已經可以做到：

1.查詢所有訂閱

👤 我有哪些訂閱？
🤖 🔔 SubWise 訂閱服務
📌 Netflix ｜💰 NT$390 / monthly ｜📅 下次扣款：2026-08-15 ｜🟢 Active

SubWise 直接從 Google Sheets 撈出目前的訂閱清單，不需要使用者自己記得訂閱了什麼：

2.查詢特定訂閱

👤 Netflix 什麼時候扣款？
🤖 📌 Netflix ｜💰 NT$390 / monthly ｜📅 下次扣款：2026-08-15 ｜🟢 Active

加上關鍵字「Netflix」後，SubWise 能精準鎖定單一訂閱回覆，而不是把所有訂閱都列出來讓使用者自己找：

3.查詢本月消費

👤 我這個月花多少錢？
🤖 💰 SubWise 消費查詢
📅 查詢期間：month ｜💵 總支出：NT$610

📋 消費明細：

2026-08-08｜Food｜NT$150｜Lunch
2026-08-08｜Transport｜NT$50｜MRT
2026-08-11｜Food｜NT$120｜午餐
2026-08-11｜Transport｜NT$50｜搭捷運
2026-08-11｜Food｜NT$120｜午餐
2026-08-11｜Food｜NT$120｜午餐

這是今天最重要的一組測試：SubWise 不只算出總支出，還能列出明細，代表日期篩選與資料彙整都已經正常運作：

4.一般對話

👤 你是誰？
🤖 💬 你好！我是 SubWise，你的 AI 智慧記帳與訂閱管理管家。

即使是單純聊天，SubWise 也能正確判斷「這不是查詢，也不是記帳」，讓 chat 與資料查詢自然分流，不會誤觸資料庫：

明日預告

Day 12 的重點是讓 Gemini Query 真正接上整個 SubWise Service Router，讓「我今天花多少？」「我這個月花多少？」「我有哪些訂閱？」「Netflix 什麼時候扣款？」全部透過同一套流程自動判斷。到那時候，SubWise 才會開始真正有「Agent」的感覺。我們明天見！