昨天已經開始進行本工具的模型製作
在模型製作的過程中，實際上模型的選擇都是需要了解其內涵
昨天的 Top-down model，算是較基礎且具實質性的模型
那今天呢，我將在本工具中納入**「一個可能會失準的模型」**

一、今天的目標

• 取近 5 年產業產值算年複合成長率（CAGR），推算3年趨勢
• 結果必須以區間呈現（用歷史波動度推得上下界），
• 方法侷限必須強制揭露在圖上

二、模型設計

公式：CAGR ＝（末年產值 ÷ 首年產值）^(1/4) − 1

因為計算公式比較簡單
所以我這個模型重點會在呈現方式

• 實線柱＝官方歷史值虛線＋扇形＝外推區間，讓使用者一眼分得出「事實」與「推測」
• 扇形寬度不是拍腦袋：用近 5 年年增率的標準差推得，其中波動大的產業，扇形自然開得大，讓使用這可以馬上看出
• 侷限直接上圖：「假設趨勢延續，產業轉折點會嚴重失準」固定顯示在圖旁邊

三、我下的 Prompt

依產業模型②規格實作 models/cagr.ts：從 data/industry_output.json 取指定行業近 5 年年度加總，計算 CAGR 與各年年增率標準差，外推 3 年並輸出上下界（±1 個標準差）
輸出統一 JSON，limitations 必含轉折點警語。
用 ECharts 畫歷史柱＋外推虛線＋區間扇形，外推區段視覺上必須與歷史明顯區隔

Claude回覆如下

五、驗收

比照前面方法，直接將Claude給我的打包檔覆蓋進專案，打包檔內容如下

接下來要做的是
更新資料
node scripts/parse-data.mjs data/raw/sample_industrial.csv

同步資料
node scripts/sync-data.mjs

其後確認驗算內容
npx tsx scripts/test-ind2.ts

最後在平台呈現的結果如下

六、今日小結

整體來說，今天最重要的目的在於完成一件事情
預測型模型的專業，不在算得多準，而在把不準的程度說清楚
因此在這個專案中，主要就是透過區間、扇形的呈現方式來揭露
主要目的就是在針對「單點數字」虛假精確性
畢竟在產業分析來說
報告裡最值錢的常常不是那個數字，而是數字旁邊的有效論證