做去識別化工具的時候，有一個很小、但很經典的坑。
假設文件裡同時出現兩個詞:「測試科技」和「測試科技股份有限公司」。
如果工具先換掉短的那個，長的那個就會變成:「C1股份有限公司」。
名字是換掉了，但也等於告訴別人:
這是一間公司的全名，而且開頭那幾個字就是C1。
解法不難:
先換長的，再換短的。
就這樣，一個排序而已，但這種小地方，才是一個工具能不能真的拿來用的關鍵。
這個坑有趣的地方在於，它很難在寫需求的時候就想到。
需求文件會寫「把公司名稱換掉」，
但不會寫「公司名稱有長有短，而且短的剛好是長的開頭」。
通常是拿接近真實的樣本資料跑過一次，才看到。
這也是為什麼現在帶同學做工具，一定會留一段時間做同一件事:
準備一份像真的一樣的假資料，實際跑一次。
不是不相信AI寫的程式。
而是有些問題，不會出現在需求裡，也不會出現在程式碼裡，
它只會出現在資料裡，要實際資料跑了才會知道問題點。
iThome鐵人賽
看影片追技術