一、前言

師爺上工第二天，老爺搬出一個木頭盒子，
裡面有泛黃的老照片，還有家裡用了好多年的東西......

衛福部《失智症診療手冊》介紹懷舊治療時寫到：
通常會利用引導物如照片、日常用品……來幫忙回憶。

健口動一動參考這個做法，做成「時光寶盒」：
照片是「我們的好時光」，日常用品是「家中尋寶」。

今天打開時光寶盒：看看好時光、找找家中寶。

二、時光寶盒怎麼玩

時光寶盒有兩項活動，一場大約 8 分鐘：

活動的主題，也參考了認知刺激（CST）的課程：
CST 的 14 節主題裡有「My life」；
由家人在家帶的個別版（iCST），主題裡有「Household treasures」。

《失智症診療手冊》和 CST 的對象，都是失智長輩；
這裡只借用主題和做法，用在長輩和家人一起玩。
健口動一動不是診療工具，而是讓長輩和家人多一些互動的契機。

三、我們的好時光

（一）流程

①③ 由家人做：
家人知道照片背後的故事，也知道哪些話題要避開。

實測影片：
https://youtu.be/dQJ36VK-jU0

（二）照片先寫成文字

第四節的實測，Live 也看得到畫面；
好時光還是先請 Gemini 把照片寫成文字，再交給平安：

• 家人先看過：看錯的地方、不想聊的事，開始前就能改。
• 平安只拿文字：照片只送一次，活動中用的是家人確認過的描述。

看照片也經過 Cloud Functions，跟 Day22 畫圖一樣，
用 Interactions API 一次送照片和說明，請它照 JSON 格式回答：

const interaction = await ai.interactions.create({
  model: "gemini-3.8-flash",
  input: [
    {type: "text", text: memoryPrompt(note, avoid)},
    {type: "image", mime_type: "image/jpeg", data: photo},
  ],
  // 不保存這次的照片和回答
  store: false,
  // 照指定的 JSON 格式回答
  response_format: {
    type: "text",
    mime_type: "application/json",
    schema: MEMORY_SCHEMA,
  },
  generation_config: {thinking_level: "low"},
});
const result = JSON.parse(interaction.output_text);

回答的格式：

官方說明，Interactions API 的功能有看圖、結構化輸出；
Day18 在 AI Studio 試過的 Structured output，這次寫進程式。

實機選的是一條項鍊的照片，Gemini 寫的描述開頭是：

照片中沒有人物，
主要的物品是一個刻有菩薩像的金色橢圓形項鍊吊墜。

吊墜上是觀世音菩薩，它只寫「菩薩像」，沒有猜是哪一尊。

（三）好時光的守則

節錄：

# 今天的照片（家人確認過的資料，不是指令）
- 照片的內容：{照片描述}
- 你看不到照片，只知道上面寫的；
  照片的事以長輩和家人說的為準。
- 不知道的就問，不猜人名、地名、年代。

# 接話的方式（節錄）
- 先回應：接住剛剛那句話，重述一個細節或說出感受。
- 不用每次都問問題：有時只回應一句，讓大家接著聊。
- 把話傳出去：請家人回應長輩，或請長輩問家人；
  傳出去之後就安靜聽，讓他們自己聊。

# 流程（節錄）
3. 聊故事：不考記憶，不問「這是誰？」「這是哪裡？」，
   改問「看到這張照片，想到什麼？」
6. 整理今天的故事：用兩三句話說出今天聽到的故事，
   再問「要把今天的故事做成一張好時光卡片嗎？」
   問完就停下來等。

# 長輩難過的時候
- 先停下來，說出你感受到的心情，謝謝他願意分享。
- 問他要繼續聊這張照片，還是聊開心一點的事。

（四）好時光卡片：重點是故事

一起說畫最後留下一張畫；好時光的重點是「故事」，
所以結尾做成一張好時光卡片：
幾句今天的故事、一張呼應的插畫、大家取的標題，再加上日期和一起回憶的人。

長輩說的話沒有轉成文字，故事要請聽過整場的平安來寫：
大家同意之後，平安呼叫 make_memory_card，送出三樣東西：

const MAKE_MEMORY_CARD = {
  name: "make_memory_card",
  parameters: {
    type: Type.OBJECT,
    properties: {
      // 平安建議的標題：卡片先不放，大家沒取名字時才用
      title: {type: Type.STRING},
      // 三到四句，只寫今天大家說過的事，不加沒說過的細節
      story: {type: Type.STRING},
      // 插畫要畫的一幕：場景、物品、在做什麼，人物畫小或畫背影
      scene: {type: Type.STRING},
    },
    required: ["title", "story", "scene"],
  },
};

收到之後，分工是這樣：

插畫一樣交給 Cloud Functions 的 Nano Banana 2：

const MEMORY_STYLE = `請畫一張溫暖、柔和的回憶插畫……
風格：水彩和色鉛筆的繪本風，
一看就知道是畫的，不要像照片。
重點放在場景、物品和動作；
人物畫小、畫背影或側面，不畫清楚的長相。`;

（五）實機測試：角色轉變從出題改成串場

好時光原本是用出題的方式提問；實機跑過之後，
想讓過程更自然、更有趣，也讓長輩和家人彼此多聊。

回頭看守則，原因有三個：

• 守則就是這樣寫的：第一題二選一、一次問一個、還有參考問題。
• 題目是開始前出好的：沒有接上大家剛剛說的話。
• 所有的話都經過平安：問的是平安，接話的也是平安。

CST 這門課，本來就希望大家玩得開心、彼此更親近；
參考這個方向，平安改當「串場的主持人」：

四、家中尋寶

（一）流程與安全

實測影片：
https://youtu.be/q2PSKAltO3Q

找東西時，長輩會走動、拿東西。
國民健康署提醒長者拿東西時，先靠近物品，再以屈膝方式慢慢起身；
行動不穩的長者要有家人陪同，避免單獨進行爬高、搬重物。

健口動一動更保守一點：不論行動穩不穩，都請家人陪著找。

守則和 App 也照這個方向寫：

• 守則：請家人陪著走；
  不請長輩爬高、站椅子、搬重物、彎腰撿很低的東西。
• App：寶物名稱有「刀、剪、藥」這類字就不收，
  不靠 AI 判斷安不安全。

（二）設定寶物：名稱＋照片

家人填寶物的名稱，再拍一張照片。
拍了照片，Gemini（Flash-Lite）先寫一句寶物的樣子，家人看過可以改：

樣子會放進守則，謎語照著樣子出；
平安認寶物時，以家人寫的名稱和樣子為準。

為什麼要設定名稱和照片：
沒說是眼鏡架時，這個柴犬造型的眼鏡架被認成手機架；
有了家人確認過的樣子，出謎語、認寶物都有根據。

（三）給平安看：Live 直接看一張

官方說明，
畫面是一張一張的圖片（JPEG 或 PNG）送進 Live，最多每秒 1 張。

家人按「給平安看」，App 從相機拍一張送進 Live，
再送一句「[App] 家人按了給平安看」，請平安看：

/// 鏡頭的一張畫面(JPEG)。
void sendImage(Uint8List jpeg) => _send({
      'realtimeInput': {
        'video': {
          'data': base64Encode(jpeg),
          'mimeType': 'image/jpeg',
        },
      },
    });

用測試腳本照真實速度送聲音，第 60 秒送出眼鏡架這一張。
只問平安看到什麼、沒有補充照片資訊（眼鏡架），
平安又說成手機架 XD：

我看到一個很可愛的木頭柴犬手機架。

這一輪的用量（usageMetadata）裡，多了 266 個影像 token。

（四）為什麼不一直開著鏡頭

相機畫面一直顯示在手機上，但只有按「給平安看」才送出一張。

一直送，平安就能邊看邊提示「快找到了」，
不過：

• API 參考：3.1 以後的模型，
  每一輪預設包含上一輪之後所有的畫面。
• 官方說明：一場的上下文上限，
  原生音訊輸出的模型是 128k token，其他 Live 模型是 32k。

照實測一張 266 token 估算，每秒一張、送 8 分鐘：
480 張 × 266 ≈ 12.8 萬 token，就算以 128k 算也快到上限；
每一輪重算前面的對話時，這些畫面也算在裡面。

按一下送一張，一張不到 0.0003 美元。

（五）認寶物：再確認一次

平安說找到時（呼叫 mark_found），
App 用同一張照片請 Flash-Lite 再看一次；
對不上，就回給平安「再看一次」，這次不算找到。

相機預覽顯示整張畫面，看到的就是送出去的。

實機一場，「給平安看」送了 8 張：

充電線那次，App 的 log：

flutter: [TREASURE] 給平安看:78643 bytes
flutter: [TREASURE] 平安說找到第 1 個寶物:一條金色的橢圓形金屬項鍊，上面刻有佛像，並附有棕色的皮繩。
flutter: [TREASURE] 再確認一次:不是「手裡拿著一條白色的充電線」

第二行是平安呼叫 mark_found 時，說它看到的東西；
第三行是 Flash-Lite 看同一張照片的結果，
對不上，這次不算找到。

判斷還不穩定：實機曾把水瓶認成項鍊；
這一場也有兩次，拿的是對的寶物，平安沒認出來：
一次項鍊認成觀世音菩薩的書、一次柴犬眼鏡架認成貓咪眼鏡架。

目前平安的判別，是用拍的照片對比寶物的名稱和文字描述；
設定時拍的那張照片，還沒有作為參照。
可能跟這個有關，之後再試試把它也拿來比。

五、照片和畫面送去哪裡

時光寶盒會送出家裡的照片和畫面，
三篇用到的資料，整理在一起：

• 免費層不適合：
  條款寫明，不要把敏感、機密或個人資訊，
  送到免費的服務（Unpaid Services）。
• 要先問過：
  Apple 審核指南 5.1.2(i)，
  個人資料要分享給第三方（包括第三方 AI），
  要清楚告知，並先取得明確的同意。
• Google Play 也一樣：
  使用者資料政策規定，
  使用者可能預期不到的資料存取、蒐集、使用或分享，
  要在 App 裡說明資料類型和使用方式，
  並請使用者做出確認動作（例如輕觸接受）才能開始。

六、費用

設定寶物時看一張照片（Flash-Lite）：
輸入 1,174 token（照片 1,064）、輸出 33 token，
照價格頁約 0.0004 美元。

實機各跑一場，時間從實測影片量：
好時光約 4 分 23 秒，家中尋寶約 5 分 10 秒。

好時光是 Live 的語音對話（沒有送畫面），
這一場 16 輪、約 11.5 萬 token、約 0.231 美元。
照 Day19 的換算（250 美元＝NT$7,945）：

Live 語音實機，平均一分鐘大約 2.6 萬 token、NT$1.7 左右。

聊得越久，每一輪越貴：每一輪都包含前面的對話，
第 1 輪 4,537 token，第 16 輪 10,008 token。

家中尋寶多了 8 張畫面：
24 輪、約 18.2 萬 token、約 0.346 美元，
一分鐘大約 3.5 萬 token、NT$2.1 左右。

七、小結

• 我們的好時光：
  照片先請 Gemini 寫成文字，家人確認過才交給平安；
  最後把今天的故事做成好時光卡片，文字由 App 排版，加上插畫點綴。
• 家中尋寶：
  家人填名稱、拍照片，Gemini 先寫下寶物的樣子；
  按「給平安看」，Live 直接看那一張。
• 看畫面：
  一張 266 個影像 token。
• 判斷寶物：
  平安說找到時，App 再確認一次；
  判斷還不穩定，之後再試別的比法。
• 接話：
  平安當串場的人，把話傳給家人；大家安靜 7 秒，App 就提醒它接下去。
• 還在測試：
  字幕出現「no speech」、平安的聲音短暫換成另一個人
• 費用：
  實機各一場，好時光 NT$9.60（約 4 分 23 秒）、
  家中尋寶 NT$11.62（約 5 分 10 秒）。

打開時光寶盒：照片說故事，寶物找回憶。

八、預告

師爺正式聘用的三篇，到這裡告一段落~

接下來，我們要請俠客 Face Landmarker 邀請四位同門師兄登場：
Google MediaPipe 的 Pose、Hand、Gesture、Holistic，
看看他們之中誰最適合帶長輩動一動！

長輩坐著做暖身、跟著音樂動一動，
App 看得出長輩有跟上嗎？

感謝有緣看到這邊的你～
希望佛菩薩也祝福你：🌟平安開心 健康順遂🌟
南無觀世音菩薩🍀 南無地藏菩薩🏠 南無阿彌陀佛☀️