昨天，CareCall AI 的五個核心區域開始共用同一份資料。今天我終於加入第一組真正會「判讀回答」的文字規則，但範圍刻意很小：只處理正常回答與否定句。

一開始最直覺的做法，是檢查回答中有沒有「不舒服」或「需要協助」等關鍵詞。可是「我現在不舒服」和「我沒有不舒服」都包含「不舒服」；「我需要協助」和「我不需要協助」也都包含「需要協助」。如果程式只看到關鍵詞就分類，正常回答反而可能被送進優先處理。

今天的修正分成兩層。第一層是回答正規化：依照題目，把有限且已測試的句型整理成 true、false 或 null。判斷時否定規則必須優先，例如先確認「沒有不舒服」，才檢查是否為「不舒服」。同時保留原始回答，讓畫面與照護人員仍能看到個案真正說了什麼。

第二層才是工作流程判斷。四題回答完整、服藥與量測都是完成、不適與協助需求都是 false 時，狀態才會是「已完成」。如果個案明確表示不適或需要協助，則進入「優先處理」。這些狀態只是安排後續工作的依據，不是醫療診斷。

我用六個否定句和四個肯定句建立可重複執行的測試。像是「沒有不舒服」、「身體沒有不適」、「不需要協助」都必須得到 false；「我現在不舒服」、「我需要協助」則必須得到 true。測試也確認林阿春的四題完整回答會由規則得到「已完成」，而明確求助案例仍能得到「優先處理」。

這次我沒有試圖收集所有中文同義詞。沒有命中已知規則的句子會被標成「不確定」，而不是由系統猜測。空白、只回答部分問題、無法回答與矛盾內容，會在下一天另外處理。每次只改一類核心行為，才能知道測試失敗時究竟是哪一條規則出了問題。

今天最大的收穫是：文字中出現什麼詞，和整句真正表達什麼，是兩個不同層次。規則版雖然不像 AI 那麼自由，卻能成為透明、可測試的安全底座；未來即使加入語音或 AI，也必須留下同樣清楚的輸入、整理值與驗證證據。

今日反思

判讀文字不能只看見某個詞就下結論。知道規則何時有效、何時應該回答「不確定」，比假裝能理解所有句子更可靠。