Day 30：發表與收尾 - 從 Prototype 到 Product

30 天走到最後。系統已經有登入、AI 生成計畫、排程提醒、測試和雲端部署，但別人看不懂怎麼用、怎麼跑起來，它就只能待在電腦裡。

今天不寫新功能，只做三件事：寫一份能讓新人快速上手的 README、畫一張架構圖、把端對端流程走一遍。最後回頭看 30 天的收穫。

一、README：讓人 5 分鐘內跑起來

README 是專案首頁，至少要回答四個問題：這是什麼、能做什麼、怎麼跑、怎麼部署。

專案簡介

用 FastAPI 做後端、Next.js 做前端、LangGraph 做 Agent，搭配本機 Ollama 模型。不依賴雲端 LLM API，資料留在自己的機器上。

核心功能

• 用戶註冊與登入（JWT）
• AI 依學習目標生成計畫，使用者可審核與調整
• 每日排程提醒與週回顧
• 每日測驗，低分主題自動排進複習
• 和教練流式對話
• 儀表板顯示完成率、學習時數與進度

快速開始

# 1. 準備模型
ollama pull llama3.1:8b

# 2. 後端
cd backend && pip install -r requirements.txt && uvicorn main:app --reload

# 3. 前端
cd frontend && npm install && npm run dev

後端跑在 http://localhost:8000，前端跑在 http://localhost:3000。

已知限制

• SQLite 不適合正式環境，應換成 PostgreSQL
• 測驗題目全由 LLM 生成，還沒有自訂題庫
• 還沒有郵件或推播通知

完整的架構說明放在 ARCHITECTURE.md，演示步驟放在 DEMO.md。

二、架構圖

        用戶瀏覽器 (Next.js)
                │ HTTP
                ▼
        FastAPI API 層
   ┌────────────┼─────────────┐
   ▼            ▼             ▼
 業務邏輯      認證 (JWT)     排程 (APScheduler)
   │
   ▼
 Agent 層 (LangGraph) ──▶ Ollama (本機 LLM)
   │
   ▼
 資料庫 (SQLite / PostgreSQL)

這張圖回答三個問題：請求從哪裡進來、業務邏輯交給誰、資料存在哪裡。

三、端對端演示

從註冊到看到儀表板，大概 9 個階段：

1. 註冊：建立帳號，自動取得 token
2. 建立學習檔案：設定程度、每週可用時間與目標
3. AI 生成計畫：輸入目標，Ollama 產出計畫草案
4. 審核計畫：可以提出回饋，再批准進入執行
5. 查看今日任務：排程系統已經推送提醒
6. 完成任務：記錄實際花時、難度與心得
7. 和教練對話：回應逐字出現，追問會接著前文
8. 查看儀表板：完成率、學習時數、連續天數與能力評分
9. 檢查權限：每個用戶只能看到自己的資料

完整步驟寫在 DEMO.md，這篇只留流程。

四、30 天的收穫

1. 測試抓到手動測試漏掉的 bug

Day 28 補測試時，發現權限檢查漏了某個端點，用戶 A 能看到用戶 B 的資料。手動點過去完全看不出來。

2. 部署環境和本機不一樣

Day 29 上 Render 時，SECRET_KEY 寫死在程式裡、CORS 沒設定、資料庫路徑也不對。教訓是設定要用環境變數，越早測部署，越不會最後才出事。

3. 寫文件會逼自己想清楚

README 和架構文件看起來只是整理，但寫的時候要解釋「為什麼」，才發現有些決策沒有想透。

結語

30 天，一個人，一個想法，變成一套能跑、能部署、能讓別人看懂的系統。不完美，但可以用。