我不太想要花時間實作複雜的帳號密碼管理，所以一律使用 Google 帳號登入註冊，以此為前提，讓 AI 設計一下資料模型吧！

為避免洗版，DBML 的原始連結就放這：dbdiagram

梳理模型

初版的 DBML 理所當然有點脫離預期：

1. 正規化 / 反正規化問題

按讚數 likes_count 與收藏數 favorites_count 其實可以用 COUNT 算出來，目前關聯沒有很多層，應該不用寫進酒譜：

Table recipes {
  id uuid [pk, default: `gen_random_uuid()`]
  author_id uuid [not null, ref: > users.id]
  
  // 名稱二擇一必填邏輯於應用層或 DB CHECK 約束驗證
  name_en varchar(150)
  name_zh varchar(150)
  
  base_spirit varchar(50) [not null, note: 'gin, rum, vodka, whisky, tequila, etc.']
  method varchar(50) [not null, note: 'shake, stir, build, blend, layer']
  
  // 雙軌制：可連結標準實體，亦保留自訂字串
  glass_entity_id varchar(50) [ref: > canonical_entities.id]
  glass_custom varchar(100)
  
  ice_entity_id varchar(50) [ref: > canonical_entities.id]
  ice_custom varchar(100)
  
  garnish_entity_id varchar(50) [ref: > canonical_entities.id]
  garnish_custom varchar(150)

  // 調製步驟：多行純文字（每行代表一步驟，前端組合與解析）
  instructions text [note: '調製步驟純文本，每步驟換行儲存 (e.g. 1. ...\n2. ...\n3. ...)']
  
  // 運算結果快取
  calculated_abv numeric(4, 1) [note: '依液體量、度數與融水係數計算之出杯 ABV']
  dilution_ratio numeric(4, 2) [note: '套用之融水比例，如 0.33']
  
  image_url varchar(500)
  story text
  
  likes_count integer [not null, default: 0]
  favorites_count integer [not null, default: 0]
  
  created_at timestamp [not null, default: `now()`]
  updated_at timestamp [not null, default: `now()`]

  indexes {
    author_id
    base_spirit
    method
    calculated_abv
  }
}

2. 遺漏的欄位

填表單時有個調製步驟沒有被寫到酒譜的模型！

這部分也值得想一下是要把每個步驟再拆成一張表，還是純文本紀錄就好？我覺得可以先以純文本來存，前端用固定的格式把步驟拆開就好。

AI 的建議是存成 jsonb (PostgreSQL)，我覺得也可以接受，這樣前端拆資料就很方便了！

AI 的建議也是建議

我重新開了一個對話來診斷初版的 DBML，也給出了一些可行的建議：

1. 強化 canonical_entities 的約束：新增 entity_category Enum，將 canonical_entities.category 改為該 Enum 型別，防止打錯字的材料存進來

2. 統一容量單位：移除自由填寫的 unit 欄位，改為語意更精準的 amount_ml numeric(6, 2)，前端到時再換算成 oz 或其他單位就好

重新修正後，我自己對照下來，覺得差不多可以先實作看看了！

唯一比較不懂的是我還真的沒用過 index 的功能，雖然知道它的作用是讓查詢變快，但效果如何，後面也可以等整個 MVP 做好後，測試看看實際差異。

小結

1. 檢查 DBML 時可以往 N 對 N 關係去下手，AI 產的模型大多會在這裡出錯，有時是因為功能還沒有很明確
2. 正規化 / 反正規化或要不要加 index 的問題比較見仁見智，後續測試看看再決定怎麼 trade-off 就好，畢竟數字會說話。AI 會給設計方向，但決定的人是自己