昨天剛好和幾個最近這 1 個月剛開始接觸 AI，迷上 vibe coding 的朋友交流了一下。

事後我覺得自己的習慣沒有跟上 agent 的飛速發展，我和 AI 還是有太多的討論回合。現在手上既然已經有一個 todo item dashboard，應該叫 AI 在遇到衝突之前把所有的 item 做完。

悟出這一點之後，我把指令改成把所有可以獨立或平行實作的 item 全部挑出來做，遇到必須人工審核的節點就換下一顆。那些反正和我解釋我也一知半解的底層邏輯就啪地變成了 60 多顆 commit 了。

不過瓶頸還是在我。

口說功能

接下來要正式攻略口說功能了。我們大概是把口說的核心功能定義成以下三個：

1. 可捕捉使用者「原本說了什麼」，AI 不能直接把英文校正成流暢英文，但也要能適當的去除重複
2. 根據使用者的「原話」，在不改選字、語序，做最小程式的文法修正建議
3. 給出「同樣的意思，母語使用者會怎麼講」的範例

功能 1 是純粹的錄音功能 & 模型選擇，雛型之前就做好了。

今天我和 Astra 再詳細討論一下下一步，這是 Astra 拆出來的 todo：

## 單人版・口說：錄完就能看懂修正與自然說法（Speaking Tool）〔Codex · `speaking-feedback`〕

成果：每次錄音後，能對照自己的原話、保留完整原意的文法修正與自然口語表達。口說工具的日常優化可獨立推進，不等待詞庫學習或證據回寫完成。2026-09-12 Ellen 已授權實作本節雙階段回饋、狀態處理、介面與驗證；未勾選項目尚未完成。

- [x] 已有錄音、ASR、標點切句、自動最小文法修正、逐句原音回放與歷史；母語說法已有獨立生成與儲存。現有介面需展開有修正的句子再點擊生成，尚未達成下列預設雙階段體驗。管線 · 現有介面。本輪聚焦測試 35 passed，未重驗真實錄音／AI 品質。
- [x] 〔Codex · `dashboard-safe-batch`〕補 Core 禁止載入的獨立伺服器 smoke：合成音檔上傳、轉檔、回饋、歷史及回放；口說離線組 110 passed。ASR／AI 用替身，不冒充真人品質驗收。
- [ ] 強化 Grammar correction：保留完整原意，以文法正確為目標、盡量保留原句型與用字；區分必要文法修正與可選潤飾，提供改動對照及簡短理由。原意不明時標示，不自行補情節；驗收不能只靠編輯數。
- [ ] 每句預設自動產出並顯示「Say it like a native speaker」，包含文法完全正確的句子，不需再點生成按鈕。與文法修正分開呼叫，使用原話、必要上下文及修正結果維持原意；已有結果可重用。原句已自然時可保留並說明，不為製造差異硬改。
- [ ] 區分文法「已檢查無須修正／有修正／未完成」與自然說法的生成狀態；漏句、空回應、解析失敗不能顯示 Nothing to fix。提供補跑／重試，任一路失敗仍可閱讀原文及另一個已完成結果。
- [ ] 優化直覺閱讀與操作：原話 → Grammar correction → Say it like a native speaker，兩個功能區預設可見；長錄音保持逐句對應、清楚的原音播放入口，細節解說可展開，不把核心結果藏在多層操作後。
- [ ] 完成極簡、自然配色的手機優先介面提案與響應式實作；配色提案為暖白、柔和鼠尾草綠與深灰文字，具體色票待畫面確認。手機採單欄、清楚觸控目標與足夠文字對比，桌面延伸同一閱讀順序；窄螢幕下錄音、結果及歷史入口都能使用，不只縮小桌面版。
- [ ] 建立雙階段品質驗收案例：文法正確但不自然、已自然無須改動、多處文法錯誤、否定／時態／程度保留、語意模糊、跨句指涉及模型漏回；包含 `help me learn`／`help me to learn` 都正確的案例。先用公開合成句驗功能，再以私人錄音驗實際品質與手機／桌面閱讀體驗。
- [ ] `backlog`：依本輪需求同步口說子目錄的 spec／frontend-plan／舊 dashboard，收斂「母語說法僅點擊生成」等過時敘述；贅詞清理與未完成尾句沿既有規格另行細拆。跨回合 ERRANT 聚合與詞庫證據回寫仍列於第三階段，不重複認領。

這是 20 分鐘後做出的 Mockup - 我和他說手機電腦版都要做，所以他先做了手機版：

思考：我的口說練習需求

在等 AI 實作核心功能的過程中，我在思考自己的口說需求到底是什麼。以及為什麼我不太喜歡和目前巿面上的 AI 教練練習。

先講需求，其實有幾種情境：

1. 沒有預設主題，只是想練習英文
2. 有自選主題：想練面試情境、點餐情境
3. 考試導向：我要用英檢題庫來練習

沒有自選主題的，目前看到就是有一個 AI 虛擬教練和你聊天。這個我目前體驗上做得最流暢的是 Loora，AI 教練其實自己還是有主題庫，只是他是 random 選的。

至於自選主題，就是設定很多不同情境。而 Speak 的體驗是使用者可以在進入對話時自選情境，最早我去用 Speak 就是因為聽到別人推薦這個功能：

在一年前這個功能讓我覺得很驚艷，因為英文口說真的有一個很大痛點就是無法靠自言自語來練習。

但密集用了一段時間後，不滿足的感覺開始出現，因為和 AI 教練聊天真的太無聊了。和 ChatGPT 語言聊天有趣很多，但 ChatGPT 不會幫你抓文法錯誤。這種英文 app 裡的校正很有價值，但他們的對話很無聊。

所以最後我還是覺得直接練英檢考題比較實在。劍橋英檢的單人口說有兩種題型：

1. 考官出問題，例如「你最近看了什麼電影」或「你上次在特殊節日吃了什麼」
2. 給你一張圖片，問你從圖片上觀察到什麼，例如「圖片中的人為何高興」

在這種情境下大腦需要一邊即時思考如何回答問題，同時說對文法。

因為大腦都在考慮要怎麼回答問題，沒有錄音的話根本無法記得我說了什麼，我個人想要的口說工具其實是針對這個。

之前我在準備英檢時也有用 ChatGPT 語音練習，那時候感覺是 ChatGPT 也很懂劍橋英檢的官方評分標準是什麼。我開始和 AI 討論要怎麼把這些 prompt 做成「考試模式」的口說練習⋯⋯

鐵人第一週小結

平安到 Day 6 了。趁著鐵人賽把這個在我心裡放了很久的題目開工了，但我發現每天即時 vibe coding 還要留時間寫筆記的壓力好大啊啊啊啊啊。

而且我發現我開始進入到「考試模式」的功能打造了，扮演使用者的時候還需要加入英文練習，啊啊怎麼要做的事愈來愈多了（暈）

我感覺自己現在還是沒有掌握到這個專案該怎麼和 AI 協作。雖然 AI 愈來愈聰明，但我覺得我使用他的方式還是挺笨的。