本篇階段：Prj#2 架構專案

使用介面：Claude Code（via VS Code）

前情

Day 14 一行程式都沒寫，只做四件事：找參考資料、思考要哪些圖、研究挑變項方法、拿什麼指標驗收，最後產出一份 prompt。

今天看看那份 prompt 丟出去給 Claude 會有什麼成果。結果比預期順利：程式跑得起來，圖、Excel 報表、Word 報告都出來了，計算出來的結果和昨天那份 HTML 對得上。

但昨天在文章裡想清楚的東西，有幾條沒寫進 prompt。其中一條 Claude 自己選了，只是跟我原本打算的不一樣，而那個差別大到會改變最後留下哪幾個變項。

這一篇的程式碼、UI 設計稿與輸出範例請參考我的 GitHub 對應的專案連結

1. Day 13 換來的五條，這次當起手式

Day 13 那三個小工具，規矩是一條一條被問題逼出來的：圖示糊掉才知道 .ico 要多解析度、視窗跑出螢幕才考慮解析度問題、打包完打不開才知道 conda 的 DLL 不在搜尋路徑上。

在 prompt 最前面先撰寫了基礎的設計：

[基礎設計]
1. UI 類別: Python TTK
2. 架構: MVP
3. UI 設計: 透過 /design 設計
4. 使用 .ico 檔案
5. 製作 requirements.txt 與 .spec 檔案

五條 （不是 2.5 條），效果是這五件事都沒失效，.spec 裡那句把 conda 的 Library\bin 加進 PATH 的程式碼它自己就寫進去了。不過拿上面那三個教訓對一下會發現，「視窗跑出螢幕」那條並沒有進到這五條裡面（後果在第 3.2 節）。

不過它沒有直接開工，而是先丟回三個選擇題：要不要幫我產 .ico、打包要 onefile 還是 onedir、要不要額外的說明文件。中間那題我沒答，反問了一句：為什麼會用到 sklearn？因為有些統計功能不一定要靠 scikit-learn 來做，且依照我的經驗，打包 sklearn 檔案大小滿大的。

它沒有直接回「可以」或「不行」，而是去量了環境裡每個套件的大小，再把「拿掉的代價」實測出來。sklearn 在這個專案只用在 Bolasso 的 Lasso 求解器和挑 α 的交叉驗證，其餘都不需要它。替代方案是 statsmodels 的 fit_regularized，拿 500 筆 × 6 欄跑 200 次 bootstrap：sklearn 花 0.07 秒，它花 2.61 秒，慢 37 倍；而且 statsmodels 沒有內建 CV，挑 α 得自己手刻 k-fold。

結論是留著。省下的 40 MB 只佔核心相依約 320 MB 的 12%，真正撐大體積的是 scipy 那 114 MB，而它是必須的。

2. 沒寫進 prompt 的那一條：α 怎麼挑

昨天第 4.2 節有這段：

實作上比較省事的是每一輪都用交叉驗證各自選一次（LassoCV 就在做這件事），代價是慢一點，好處是不必自己決定那個數字。我選後者，因為這支程式將來要吃的資料，我沒辦法預先知道一個對所有資料都合適的 α。

後來回頭打開 Prompt.txt，那一行定義：

4. 針對不同結果變項，分別進行200次 Bolasso ，以篩選欄位

沒提到 α 相關的字眼。而實作出來的是另一種：用全樣本的 LassoCV 選一次 α，固定下來，200 次 bootstrap 每一輪都用同一個。Claude 在註解的理由是「讓 200 次抽樣的懲罰強度一致、選入頻率之間可以直接比較」。

這個理由站得住腳，而且它想到了我沒想到的點：固定 α 的話，「U_motiv 中 200 次、U_harm 中 24 次」這種比較才是同一把尺量出來的；每一輪各自選 α，門檻就不一樣，票數加總起來代表什麼反而難以釐清。

三個結果變項實際選出來的 α，以及後面 200 次投票過 90% 門檻之後留下的變項數：

U_arith 的 α 比另外兩個小了十三倍。α 就是罰項強度，小到 0.018 等於幾乎沒有懲罰，於是六個輸入變項全部活下來，另外兩個結果變項因為罰得重、各自只留兩個輸入變項。同支程式、同份資料，只因為結果變項換了一個，選變項的嚴格程度就差了一個數量級。

從這件事學到的是：寫進 prompt 才算數，不能假設語言模型讀得出一句話背後的所有涵義。我在腦中早就把「Bolasso」和「用 CV 選 α」綁成同一個流程，寫的時候覺得講「Bolasso」就代表了全部，卻沒想到還有別的計算路徑。AI 讀到的只有那一行字，沒寫仔細的地方它一定會用某種方式補上。它的理由確實比較好，所以我把這條寫進專案的 CLAUDE.md 留紀錄。

3. Excel 的欄位怎麼走進 UI

昨天設計 Definition 那張表的用意，今天在 UI 上兌現了。程式讀完 Excel 直接照 Feature_Type 分成三堆：ID 丟掉不管，六個 Input 排左邊、三個 Result 排右邊。使用者不必指定角色，畫面上只留一件事可以做：把不想分析的那幾欄取消勾選。十個欄位看起來沒差，但這張表如果擴展到六十個欄位，那就有差了，這才是原本設計的目的。

Data_Type 那一欄也照著用。結果變項如果填了 Categorical，程式會在格式檢查就擋下來，理由是本工具只做迴歸、分類任務不在支援範圍。這是 Claude 自己替這個專案劃的界線，我沒指定，但我覺得這個界線很對。

3.1 格式檢查：一次列完，不要改一個跑一次

prompt 裡我只寫「要能確認格式符合規定」。它做出來的版本是把所有問題收集完再一起回報，而不是遇到第一個就中斷。驗收時它現做了十一個測試檔：九個該擋的（缺工作表、欄位型別填錯、沒有 Result 欄位、重複欄名、連續型欄位混進文字⋯⋯），兩個該放行的（20 筆樣本要放行但警告、多一張無關的工作表要忽略），十一個全過。

真正有用的是訊息：

Definition 工作表 C 欄：Data_Type「Numeric」不是合法值，須為 Continuous ／ Categorical ／ None。

它會把出問題的位置換算成 Excel 的欄位代號，拿到這句話可以直接開檔案跳到 C 欄。而我一開始只是想要它別在錯誤訊息裡寫「發生未預期的錯誤」而已。顯然它對邊界條件的處理比我想得完整。

3.2 /design 與後來追加的兩條

prompt 第三條要求先用 /design 做 UI，它先產出五張畫板的設計稿才開始寫 tkinter。有個細節是這一步真正的價值：它沒有自己配色，而是去 ttkbootstrap 的主題定義裡把 cosmo 的色票撈出來用，理由是設計稿如果畫出圓角陰影漸層，ttk 根本做不出來，那張稿就只是好看而已。這讓設計稿變成一份真能照著實作的東西。

看完設計稿我補了兩條。第一條是依據 Claude 的建議加一顆「停止計算」按鈕，原本的規格只寫「執行中按關閉要跳確認」，等於想停下來只能關掉整個程式。第二條是視窗大小：讀取螢幕解析度後，水平佔 10% 到 90%、垂直佔 3% 到 87%。

第二條看起來簡單，實際上踩了兩層坑。第一次量到的是 1520 × 946，目標是 1536 × 907，高度多了 39 px，因為 tkinter 的 geometry() 設定的是內容區，Windows 會再往上加一條標題列；扣掉標題列變成 899，又少了 8 px，因為視窗四周還有一圈看不見的縮放邊框（寬度那 16 px 也是同一個原因），左右各 8 px。最後的做法是先擺一次、跟 DWM 問實際的可見範圍（DwmGetWindowAttribute 的 EXTENDED_FRAME_BOUNDS），拿差額校正一次。如果它第一次交出 1520 × 946 就說「做好了」，那就跟我要的差了一截。

4. 圖表：計畫寫的是 /dataviz，實際用的不是

原本預期用 /dataviz 出圖，實際跑起來 Claude Code 載入的是 python-plot，那是我自己寫的一份 matplotlib 規範，管 GridSpec 版面、y 軸留 5% 空間、dpi=300 存檔與中文字型設定。昨天那份 HTML 是 /dataviz 做的，今天這批 PNG 是 python-plot 做的，是我寫計畫的時候還沒把這兩者的分工想清楚。

python-plot 裡有一條是「標題含中文就要先設 Microsoft JhengHei」，這條有生效，但還是漏了一個。第一次跑完，主控台出現：

UserWarning: Glyph 8722 (\N{MINUS SIGN}) missing from font(s) Microsoft JhengHei.

8722 是 U+2212，數學上的減號，跟鍵盤上那個連字號不是同一個字。它出現在殘差圖的 y 軸標籤「殘差 (預測 − 實際)」裡，而 Microsoft JhengHei 沒有這個字。axes.unicode_minus 只管座標軸刻度上的負號，管不到我寫在字串裡的那一個，改成 ASCII 連字號就沒事。這種問題跑一次才能夠發現。

另外，prompt 要求六個指標畫在同一張圖上，但樣本內 R² 落在 0 到 1 之間、Max Error 可能是 20 幾，硬擠進同一組座標軸只會變成五根貼地、一根頂天。它的處理是拆成六個子圖，仍然是一張 PNG，而且每個子圖標題後面加了「↓ 越小越好」或「↑ 越大越好」。

5. 跑出來的東西

5.1 Bolasso 的票數

三個結果變項各跑 200 次 bootstrap，選入門檻 90%（粗體是達到門檻、實際選入的）：

昨天為了說明「嚴格交集會兩敗俱傷」，我舉過一組假想的數字，實際跑出來完全不是那個樣子。原文是：

因為 Lasso 在相關變項之間是隨機挑的，200 次裡可能 U_motiv 中了 130 次、U_harm 中了 70 次。取嚴格交集的結果是：兩個都被砍掉。

實際是 200 比 24，U_motiv 全中、U_harm 幾乎全滅，一點都不像擲骰子。原因大概是：那兩個變項相關 0.77，高沒錯，但沒有高到分不出勝負，U_motiv 跟 U_read 的零階相關是 0.53，U_harm 是 0.42。Lasso 挑的不是隨機那一個，是解釋力比較強的那一個，只要差距夠穩定就會一直選同一個；真正會擲骰子的是相關 0.95 以上、解釋力又幾乎一樣的那種。

所以「投票」這個比喻要修正：它不是每一輪重新丟一次硬幣，比較像每一輪都在同一場比賽裡宣布同一個贏家。票數低不代表那個變項沒用，是它的解釋力被別人蓋過去了：U_harm 拿 12%，不是說人際和諧跟閱讀能力無關（單看相關 0.42），是說在 U_motiv 已經在模型裡的前提下，它沒有多解釋到什麼。

還有一件事得講：U_arith 那一欄六個全選入，不是因為算術能力比較特別，是因為它的 α 只有 0.0183，罰得太輕，幾乎不會有變項被壓成 0。三欄的百分比不能橫著比，這是第 2 節那個 α 差十三倍的直接後果。

5.2 抑制效果原封不動重現

昨天那份 HTML 裡有兩個變項在算術模型裡符號反過來，今天程式跑出來的是：

數值一模一樣，但今天的重點在於這是兩套完全獨立的實作：昨天那份是寫在 HTML 裡的 JavaScript，今天這份是 Python 的 statsmodels，兩邊算出同一個數字，等於互相驗算過。兩日使用同一份資料，就是為了這個驗證的目的。

U_read 那組稍有差別：昨天六個變項全放時 U_verbal 的 β 是 0.645、U_motiv 是 0.217，今天 Bolasso 只留兩個，變成 0.685 和 0.194。拿掉四個不顯著的變項之後，多出來的解釋力沒有平均分下去，而是幾乎都被 U_verbal 收走，U_motiv 反而還降了一點。「少幾個變項、剩下的就會變重要」這種直覺，這裡不成立。

5.3 六個指標

六個指標圖上都有畫，下面這張表列五個，因為 MSE 是 RMSE 的平方，同一件事講兩次沒必要：

交叉驗證那幾列我沒有要求，是 Claude 自己加的，理由是：樣本內 R² 一定偏樂觀，報告會高估實際預測能力。兩組數字差很小，R² 差 0.005 到 0.009。RMSE 和 MAE 的比值大約 1.27，代表誤差分布得算是平均；Max Error 23.4 放在標準差 10 的尺度上是 2.3 個標準差。

要注意的是 Adjusted R² 那一欄：自由度校正本來是為樣本內設計的，出現在交叉驗證那幾列只能當成同一條公式的延伸，不要跟樣本內那一列當成完全同一種東西來比。

殘差診斷也一起出了：Durbin-Watson 1.99 到 2.08、Breusch-Pagan 與 Jarque-Bera 的 p 值都遠大於 0.05，也就是殘差沒有自我相關、沒偵測到異質變異、可視為常態。這三個檢定也是它自己加的，prompt 裡我只寫了「統計模型結果要有合適的表與圖（可能是我沒想到的部分）」。昨天說那句留白是故意的，今天看起來留對了，它用了我沒想過、但實務上很合適的統計方法。

5.4 誤差率那一欄，被資料本身打臉

prompt 裡我要求輸出的 Excel 要有「誤差值（pred-true）與誤差率」，而誤差率的標準算法就是誤差除以真值，問題是這份資料的每一欄平均都是 0。實際跑出來，U_read 那張工作表有 14 筆的誤差率絕對值超過 1000%，因為那幾筆的真值接近 0。這不是算錯，是這個定義在這種資料上沒有意義。

Claude 設計的程式，實際處理方式分兩層：真值絕對值小於 1e-9 的那幾格直接留白，先擋掉除以零；但那 14 筆的真值只是接近 0、還不到留白的門檻，照樣會印出四位數的百分比，所以它另外加一欄「誤差率（佔全距 %）」，分母改成該欄的最大值減最小值。以 U_read 為例，這一欄的範圍是 −38.71% 到 +30.20%，是看得懂的數字，Word 報告的「限制與注意事項」也把這件事寫進去了，這是它跑完發現數字不對勁才回頭補的。

6. 打包跟估錯的數字

計畫是 onefile 和 onedir 都做，實際建置後量。Claude 事前給的估計是 onefile 大約 400 到 700 MB、首次啟動要等十幾秒。實測是這樣：

onefile 反而比較小，因為 PyInstaller 會把單檔封存壓縮起來，那個 400 到 700 MB 的估計錯得離譜，而 Claude 自己在報告結果時主動承認這件事。

驗收標準這裡有一條值得記下：ui-project 那份規範寫的是「建置紀錄裡沒有任何 Library not found」，而不是「exit code 是 0」，因為漏掉相依檔的打包一樣會回 exit 0。這次兩份 spec 的建置紀錄裡，Library not found 都是 0 次，conda 那句 PATH 是關鍵，Day 13 就是漏了它才打包完打不開。

但「視窗開得起來」也不等於「能用」。視窗出現只證明 tkinter 和它的 DLL 進去了，證明不了 matplotlib 的資料檔在不在、python-docx 的樣板有沒有被收進去、sklearn 那堆 .pyd 有沒有漏。那些要真的跑一次完整分析才會暴露，而 console=False 的 exe 沒有 stdout，print() 會靜靜地什麼都不做。

它的解法是在 main.py 加一個 --selftest 參數，不開介面直接跑完整條流程，成敗用 exit code 回報。兩份打包都跑過，exit 都是 0，各自產出 3 個模型、28 個檔案。這個參數我沒要求，它加的理由是另一條路會劫持我的滑鼠：UI 自動化得把視窗搶到前景再送模擬點擊，而我當時在用這台電腦做別的事。

中間還出過一次包：它想截圖確認 UI，但截圖抓的是螢幕座標，我當下有另一個視窗壓在前面，於是截到別的視窗，之後它就不再用截圖驗證了。驗證方法本身也會出錯，而且出錯的方式跟被驗證的東西無關。

7. 沒做到的

有一條我知道該做、但同樣沒寫進 prompt，這次它也沒自己補：報表上的 RMSE 只有一組數字。樣板資料標準差是 10，RMSE 等於 6 要放在這個尺度上讀才有意義；但這支程式是給別人的資料用的，別人的資料不一定標準化過，光看一個 6 沒辦法判斷好壞。該補的是一個正規化過的版本「除以標準差或全距」，就像 5.4 那一欄誤差率最後的做法。這條留著下次做。

另外一個算設計取捨：按下「停止計算」不是瞬間停，它是在每個階段的邊界和 Bolasso 每 10 次抽樣時，檢查中止旗標，最長要等當下那一步跑完（最久的是 pair plot，seaborn 的單一呼叫，中途插不了話）。要更即時得改成多行程，但那樣中止就變成殺掉行程，可能留下寫到一半的檔案。

小結

今天最有價值的收穫不是那支程式，是第 2 節那件事。

我昨天做四個決定，今天發現漏了三條沒寫進 prompt：α 的選法、指標要算在沒參與訓練的資料上，還有 RMSE 該放在什麼尺度上讀。第二條它自己補上了，第三條兩邊都沒想到，第一條它選了另一條路。AI 讀不到我的思路，只讀得到我打出來的那幾行字。這跟 Day 13 那種「少講讓問題自己浮出來」是兩回事：那時候我不知道自己要什麼，浮出來的問題正好幫我想清楚；今天我知道自己要什麼，只是沒寫清楚，浮出來的不是問題，是個看起來正常的錯位。

另一個收穫是「視窗開得起來」不等於「能用」。差 39 px 的視窗、少一個字的字型、多一欄動輒破千 % 的誤差率，都是同一類東西：看起來對，但沒有量過。

參考資料

Windows 相關

• Microsoft Learn — DwmGetWindowAttribute — https://learn.microsoft.com/en-us/windows/win32/api/dwmapi/nf-dwmapi-dwmgetwindowattribute

註一：所有時間與體積都是單次在同一台機器上量的（Windows 11、1920×1080、conda env stats、Python 3.13.14），屬於定性觀察，不是效能評測，換一台機器數字會不一樣。

註二：Data_Template_Stats.xlsx 裡的 500 筆是合成資料，照 Worland et al. (1984) 已發表的相關矩陣抽出，不是原研究那 158 名兒童的原始資料。因為抽樣誤差被消去了，p 值衡量的是生成設定而不是真實抽樣，文中的顯著性只用來標示效果的相對強弱，不能拿來當任何心理學或教育學上的結論。

註三：第 5.1 節關於「Lasso 在相關變項之間怎麼挑」的解釋，是我從這一次的結果回推的，不是從論文推導出來的，僅供參考。

註四：參考的程式碼與應用程式可在 專案連結 拿到

註五：模板資料的輸出結果可在 模板資料輸出連結 閱讀