又多花了一整天整理資料後，我一直在思考我犯的錯誤。

其實在參考各大字典的資料設計，重新建立規則後，果斷地把資料庫刪掉，重新注入 121 份單字筆記。會是更乾淨的作法。

但人類有時候會沉迷在很細微的手工作業裡，我也不知不覺沉迷在在各種單字整理小規則的堆疊⋯⋯

（是的，我其實很有幸福感，這是辦公室文明進化史中，足以毀滅人類文明的「無價值產出的勞動驅動」，反價值的事情有時候做起來更開心。）

不過因為鐵人賽還在進行，只好被迫用一種歡快的語氣記錄這段毫無意義的整理工程。

詞庫

進度：

1. 「單字」的資料格式昨天處理好了，基本上就是參考了各大詞典的處理方式。
2. 今天繼續討論「非單字」要怎麼處理。和 AI 討論後，我們暫時把這類資料定義成「詞組 (multiword)，對應的分類系統是：
   1. 搭配詞（collocation）：如 saving account，非母語的人有時候不知道要這樣說。
   2. 慣用語（idiom）：如 beat around the bush 這種
   3. 片語動詞（phrasal verb）：如 give something up 、get well on，這種對練習劍橋英檢蠻重要的，因為劍橋英檢在聽力裡卡了很多這種片語，聽不懂就會完全錯判。所以我在準備時有下載專門的 app 來做複習。
   4. 俚語（slang）

一邊參考字典的作法，一邊區分種子資料中有效 v.s. 無效的內容。漸漸變成這樣

前端：

相關資料表：

我覺得還需要花 5 小時左右清理一下。希望今天睡前可以再處理一下。

明天無論如何要碰到新功能！

口說功能核心

因為單字本整理會需要等 AI 清理、試用、抓 bug 再修。

在等待的過程中開了另一個獨立支線，先把口說功能做了一個原型。

這年我試用了一些付費口語 AI 教練 app，其中我最喜歡的是 Loora：

核心功能是：

1. 抓到我「原始說了什麼」，AI 不能直接把英文校正成流暢英文
2. 標記出文法錯誤
3. 給出「建議怎麼說會更流暢」的範例

至於有一個爽朗的 AI 教練互動，那個是考試導向的我，目前不需要的功能。（而且我真的覺得，和 這種 app 裡的 AI 教練聊天很無聊）

總之，AI 幫我選了適合的模型：ASR：parakeet-ctc-0.6b（NVIDIA FastConformer-CTC，經 MLX 跑 Apple Silicon）

跑了幾輪測試後還算滿意。我們就先把一個最小可用的介面做出來。

第一版，直接套用 Python 函式庫的介面：

然後把前端做起來：

這個前端我沒有很滿意，但今天的進度只改到這邊！

口說是一個比較獨立的工具。目前我的主線任務是在單字本上面，希望明天可以解脫！