緣起

年初和 Iron Ladies 們聊到今年鐵人賽題目時，雖然當下不知道要寫什麼，但直覺上該運用這個機會。把被 AI 卷得亂七八糟的這一年，做一個小小的回顧與沉澱。

說起被 AI 卷得亂七八糟的這一年，我真的有被卷到嗎？感覺自己更像是個邊緣的、可有可無的看客，曾試著想加入玩耍的群眾，但總很難找到一個明確的位置吧。

不管怎麼說，鐵人賽是個強制輸出的好機會。感謝 Ladies 伙伴們，一起思索著如何讓自己的參賽有意義，什麼樣的題目值得花時間。

隨著參賽時間臨近，最後我的想法是：

1. 做一個我自己真的想用的東西：
2. 把日常隨興、發生在舒適區間的 vibe coding 推進一點

今年心理上很憋的一個點是，公司內想推動的東西，都涉及太多不存在的資料流，以及可能不存在的使用者。個人賦能要走向組織升級的路非常遙遠。

就很想在一個自己有主導權的範圍裡，找個題目痛快地 vibe coding 一番。

我想了一下關於「痛快」的定義，現在隨手做個網站或小工具變得像開一個 Notion Page 一樣簡單了，像我這樣的文組生也不能僅止滿足於 CRUD 程式。

最後我訂出了以下前提：

1. 我自己是真實使用者，我完全知道我自己要什麼，而且有深入的使用者洞察
2. 這個題目要涉及資料處理，而且我自己就可以合法提供這些資料
3. 這個題目的需求有機會抽象化，而不是愈走愈個人化。因此在架構上可以練習思考個人專案 v.s. Open-Source 專案有什麼不同。

最後在自己的熱情 x 限制條件下，我選定的題目是：打造一個聽說讀寫個人英語學習系統。

為什麼選「學英文」這個題目

這兩年我花了蠻多時間追趕基礎不怎麼樣的英文，去年剛通過劍橋 B2 英檢。考完英檢之後我評估了一下自己離 C1 的距離，還蠻遙遠的。

但總之在準備英檢的過程，用了不少英語 app，先回顧一下自己的使用心得。

1. AI 口說教練類的。

   1. 基本功能就是你說一段話，語音捕捉你說了什麼，找出文法錯誤，以及如何說得更道地。

   2. 我感覺口說練習有了 AI 真的很不一樣，因為付錢找家教通常就是為了這個，沒有互動根本無法練習。

   3. 但新鮮感過了以後，老實說我覺得那種假設真人 AI 教練很無聊，其實我就是需要題目而已，如果能讓我自由練習英檢口說題的話更好。後來我都無視 AI 教練，直接把劍橋英檢教材上的題目暴力念一次，讓我可以用 app 的口說系統練英檢題。

   4. 也因此之前就自己弄了一個本地小工具，可以用自己的麥克風捕捉語言來做後續處理。

      

2. 單字本型的。可以輸入單字，定期複習。

   1. 這個基本功能很單純。只是會分散在很多不同地方。我自己下載了一個優秀的單字 app，手動輸入我正式上家教時遇到的生難字。這個單字 app 可以從你自定義的單字庫裡生成複習題目。
   2. 但日常真正常用的是 Google Translate。日常看影片的話就是在 Language Reactor 這種 Chrome Extension 裡。
   3. 所以這裡有多來源分散。以及手動輸入的問題。

3. 寫作有了 AI 之後也變得好方便。我自己存了一組 Prompt，大概就是我想正式練習命題寫作時，AI 要用什麼方式陪我慢慢迭代。這個很直觀。

4. 聽力方面。真槍實彈的聽力提升仍然是一個漫長的路，but 在 AI 時代，如果單純只是想要把原本聽不懂的東西聽懂，倒是蠻容易直接做出 transcript 然後直接 translate 內容，看懂內容後再回頭聽原音⋯⋯

概念

我的想法是，針對我自己在「聽說讀寫」情境下各自不同的需求，把之前零星做的核心小工具再打磨一下。無非就是：

1. 口說語音捕捉 + 文法校正
2. 各種語料的單字萃取
3. 單字詳解
4. 寫作引導

比較重要的是在底層做一層自己的 Library，方便 AI 做指揮調度。

目前比較偏重個人語料的累積與萃取。這個和想碰觸資料處理的初衷有點關係，也和個人偏好有關。

呈現起來大概長這樣：

鐵人賽要寫什麼

以上大概就是我的專案構想。

這些過程當然也是一邊和 AI 討論可行性，看看其他的開源專案是怎麼做的⋯⋯然後 AI 就自己開始起飛，瞬間把我硬碟裡的 120 份講義解釋，萃取出 3 千個未清理詞條⋯⋯

他做的很快，我理解得很慢。我自己都還沒相信計劃的可行性，怎麼忽然就進入到資料清理的細節裡了？

⋯⋯諸如此類的纏鬥。每次都會覺得「是不是我該停下來學學 AI 駕馭之術」，產生一種「我真的知道我在做什麼嗎」的懷疑。

在鐵人賽的鞭策下，我希望能突破這種「是否該先學點什麼」的懷疑，逼自己每天都回到這個專案，記下 vibe coding 中與 AI 精靈纏鬥的心得。