開場：先想清楚要做什麼，再動手寫

前十天把地基打完了——AI 的原理、Prompt 怎麼寫、n8n 怎麼串、系統之間怎麼靠 API 和 JSON 溝通。今天是進入實作前的最後一站，先不急著動手，而是把「中文情境 → 自然英文」這個核心功能，真正想清楚要長什麼樣子。

這個功能其實就是整個專題的起點：使用者用中文描述一個情境，例如「在美國咖啡廳點一杯不要太甜的冰拿鐵」，系統要把它變成一套可以練習的英文對話設定。聽起來簡單，但今天想得越細，才發現裡面藏著不少要先決定的東西。

為什麼不是直接「翻譯」就好

一開始的直覺是：這不就是翻譯嗎？中文轉英文，丟給 AI 不就好了。

但仔細想想，翻譯只解決了「這句話英文怎麼說」，沒解決真正的問題。使用者輸入的中文往往只是一個「情境描述」，不是一句要直接說出口的話。「在咖啡廳點一杯不要太甜的冰拿鐵」這句話，重點不是把它逐字翻成英文，而是要理解使用者想練習的場景，再由 AI 生成整套對話設計——場景背景、對話角色、會用到的句型。

這個理解上的差異很關鍵：翻譯是「一句話對一句話」，而這裡要做的是「一段描述展開成一套情境」。搞混這兩件事，後面設計 Prompt 的方向會整個跑掉。

今天列出的功能需求

把這個功能拆解之後，整理出幾個一定要處理的需求：

1. 中文輸入要能被「模糊」

使用者不會用精準的英文教學術語描述需求，可能就是隨手打一句「想練習在機場跟地勤吵行李超重的事」。功能要能接受這種口語化、不完整的描述,而不是要求使用者先寫好結構化的需求。

2. 要能判斷情境的「必要資訊」有沒有給齊

如果使用者只打「英文面試」，這個情境還缺很多細節——什麼產業的面試、初階還是資深職位、線上還是實體。這裡要決定：是讓 AI 自己合理補完缺的部分，還是反問使用者一個問題？今天先傾向前者（AI 自動補完並給出假設），避免一來一往太多次，使用者才不會覺得麻煩。

3. 生成的英文要「自然」，不是「教科書英文」

這點呼應到最初訂這個專題的動機——課本英文跟母語者實際講的話常常是兩回事。所以這個功能不能只是把中文情境直接轉成英文,還要確保生成出來的句子、用字,是母語者真的會講的版本，而不是文法正確但聽起來很生硬的翻譯腔。

4. 輸出要能被「回收利用」

呼應 Day 9 學到的 JSON 觀念——這個功能的輸出，不只是給使用者「看」的，還要能被後面的角色扮演、學習報告等功能直接讀取使用。所以輸出格式從一開始就要設計成結構化資料，而不是一段自然語言描述。

今天的取捨判斷

把這些需求排開來看，很明顯不是每個都要在第一版做到完美。今天決定的優先順序是：

先做到「中文模糊輸入 → 合理的英文情境」這條主線能跑通
「自動補完缺的資訊」先用簡單規則處理，不追求完美判斷
「輸出結構化」從第一版就要做對，因為後面每個功能都依賴這個格式