25 KiB

Raw Blame History

AI詞彙分析生成系統規格

📋 系統概述

DramaLing 的 AI 詞彙分析生成系統是一個完整的英語學習輔助工具，提供智能句子分析、詞彙詳細解釋、語法修正建議，以及個人化的詞卡儲存功能。

🎯 功能規格

1. 句子分析功能

1.1 核心功能

智能句子解析: 使用 Gemini AI 分析英文句子結構和語義
語法錯誤檢測: 自動檢測並提供語法修正建議
中文翻譯生成: 提供自然流暢的中文翻譯
重點學習範圍標記: 根據用戶CEFR等級智能標記重點學習詞彙（用戶程度+1~2階級）

1.2 輸入限制

手動輸入: 最大300字符
截圖輸入: 支援圖片OCR識別（預留功能）
語言檢測: 自動檢測英文內容

1.3 輸出內容

{
  "success": true,
  "data": {
    "analysisId": "guid",
    "inputText": "原始輸入文本",
    "userLevel": "A2|B1|B2|C1|C2",
    "highValueCriteria": "B1-B2", // 用戶的重點學習範圍
    "grammarCorrection": {
      "hasErrors": boolean,
      "originalText": "string",
      "correctedText": "string|null",
      "corrections": []
    },
    "sentenceMeaning": {
      "translation": "中文翻譯"
    },
    "finalAnalysisText": "最終分析文本",
    "wordAnalysis": {
      "詞彙": {
        "word": "string",
        "translation": "中文翻譯",
        "definition": "英文定義",
        "partOfSpeech": "詞性",
        "pronunciation": "IPA音標",
        "isHighValue": boolean, // 由CEFRLevelService判定，非AI決定
        "difficultyLevel": "CEFR等級"
      }
    },
    "highValueWords": ["重點學習詞彙數組"], // 由後端邏輯決定，非AI決定
    "phrasesDetected": []
  }
}

2. 可點擊詞彙功能

2.1 詞彙互動

即時彈窗: 點擊任意詞彙顯示詳細資訊
智能定位: 彈窗自動避開屏幕邊界
響應式設計: 適配桌面端和移動端

2.2 個人化詞彙分類標記

根據用戶CEFR等級進行個人化標記：

用戶程度	重點學習範圍	標記詞彙	視覺效果
A1	A2-B1	A2, B1 詞彙	綠色邊框 + ⭐
A2	B1-B2	B1, B2 詞彙	綠色邊框 + ⭐
B1	B2-C1	B2, C1 詞彙	綠色邊框 + ⭐
B2	C1-C2	C1, C2 詞彙	綠色邊框 + ⭐
C1	C1-C2	C1, C2 詞彙	綠色邊框 + ⭐

重點學習詞彙: 綠色邊框 + ⭐ 標記（用戶程度+1~2階級）
重點學習片語: 黃色邊框 + ⭐ 標記
普通詞彙: 藍色邊框（已掌握或太難的詞彙）
未分析詞彙: 灰色虛線邊框

2.3 詞彙詳情彈窗

採用詞卡風格設計，包含：

標題區: 漸層背景，詞彙名稱 + CEFR等級標籤
基本資訊: 詞性標籤、IPA發音、播放按鈕
翻譯區塊: 綠色背景，中文翻譯
定義區塊: 灰色背景，英文定義
同義詞區塊: 紫色背景，相關同義詞
儲存按鈕: 一鍵保存到個人詞卡庫

3. 詞卡儲存系統

3.1 儲存功能

一鍵儲存: 從詞彙彈窗直接保存到詞卡
自動分類: 自動加入預設詞卡組
去重處理: 避免重複儲存相同詞彙
即時反饋: 儲存成功/失敗的視覺提示

3.2 資料結構

{
  "word": "詞彙",
  "translation": "中文翻譯",
  "definition": "英文定義",
  "pronunciation": "IPA發音",
  "partOfSpeech": "詞性",
  "example": "例句"
}

4. 個人化程度設定系統

4.1 用戶程度管理

CEFR等級選擇: A1-C2六個等級選擇
本地儲存: localStorage保存，未登入用戶也可使用
雲端同步: 登入用戶的程度設定同步到後端
智能預設: 未設定用戶預設為A2等級

4.2 重點學習範圍邏輯

// 個人化判定規則
const getTargetLevelRange = (userLevel: string): string => {
  const ranges = {
    'A1': 'A2-B1',  // A1用戶重點學習A2和B1詞彙
    'A2': 'B1-B2',  // A2用戶重點學習B1和B2詞彙
    'B1': 'B2-C1',  // B1用戶重點學習B2和C1詞彙
    'B2': 'C1-C2',  // B2用戶重點學習C1和C2詞彙
    'C1': 'C1-C2',  // C1用戶重點學習C1和C2詞彙
    'C2': 'C1-C2'   // C2用戶維持高階詞彙
  };
  return ranges[userLevel] || 'B1-B2';
};

4.3 視覺化學習指導

程度指示器: 顯示當前程度和重點學習範圍
學習建議: 基於程度提供個人化學習策略
進度追蹤: 詞彙掌握程度可視化

5. 快取系統

5.1 個人化快取

基於用戶程度快取: 不同程度用戶的分析結果分別快取
快取鍵格式: {sentence}_{userLevel} 確保個人化結果
詞彙分析快取: 高頻詞彙結果快取
快取過期: 自動清理過期項目

5.2 效能優化

智能快取策略: 優先快取重點學習範圍的分析結果
快取統計: 提供快取命中率監控
定期清理: 自動清理過期快取項目

🎯 個人化重點學習範圍系統

1. 核心設計理念

1.1 問題解決

現有問題：

A1學習者看不到A2詞彙的學習價值（對他們很重要）
C1學習者被B1詞彙干擾（對他們太簡單）
一刀切設計不符合個別學習需求

解決方案：

新邏輯：重點學習詞彙 = 用戶當前程度 + 1~2階級

1.2 個人化效果對比

學習者程度	舊系統標記	新系統標記	改善效果
A1	B1,B2,C1,C2	A2,B1	更實用的學習目標
A2	B1,B2,C1,C2	B1,B2	適當的進階挑戰
B1	B1,B2,C1,C2	B2,C1	避免重複簡單詞彙
B2	B1,B2,C1,C2	C1,C2	專注高階詞彙
C1	B1,B2,C1,C2	C1,C2	專注高階詞彙精進

2. 技術實現架構

2.1 CEFRLevelService

public static class CEFRLevelService
{
    // 判定詞彙對特定用戶是否為重點學習
    public static bool IsHighValueForUser(string wordLevel, string userLevel)
    {
        var userIndex = GetLevelIndex(userLevel);
        var wordIndex = GetLevelIndex(wordLevel);

        // 重點學習範圍：比用戶程度高 1-2 級
        return wordIndex >= userIndex + 1 && wordIndex <= userIndex + 2;
    }

    // 取得用戶的目標學習等級範圍
    public static string GetTargetLevelRange(string userLevel)
    {
        var userIndex = GetLevelIndex(userLevel);
        var targetMin = Levels[Math.Min(userIndex + 1, Levels.Length - 1)];
        var targetMax = Levels[Math.Min(userIndex + 2, Levels.Length - 1)];
        return targetMin == targetMax ? targetMin : $"{targetMin}-{targetMax}";
    }
}

2.2 AI Prompt個人化

// Gemini AI Prompt 動態生成
private string BuildSentenceAnalysisPrompt(string inputText, string userLevel)
{
    var targetRange = CEFRLevelService.GetTargetLevelRange(userLevel);

    return $@"
請分析以下英文句子：{inputText}
學習者程度：{userLevel}

要求：
1. 提供自然流暢的繁體中文翻譯
2. **基於學習者程度({userLevel})，標記 {targetRange} 等級的詞彙為高價值**
3. 太簡單的詞彙(≤{userLevel})不要標記為高價值
4. 太難的詞彙(>{targetRange})謹慎標記

高價值判定邏輯：
- 重點關注 {targetRange} 範圍內的詞彙
- 提供適合當前程度的學習挑戰
";
}

2.3 後處理驗證

// AI結果的後處理驗證
private SentenceAnalysisResponse PostProcessHighValueWords(
    SentenceAnalysisResponse result, string userLevel)
{
    // 二次驗證AI的重點學習判定，確保準確性
    foreach (var wordPair in result.WordAnalysis)
    {
        var word = wordPair.Value;
        word.IsHighValue = CEFRLevelService.IsHighValueForUser(
            word.DifficultyLevel, userLevel);
    }

    // 更新重點學習詞彙列表
    result.HighValueWords = result.WordAnalysis
        .Where(w => w.Value.IsHighValue)
        .Select(w => w.Key)
        .ToList();

    return result;
}

3. 用戶程度設定介面

3.1 設定頁面設計

等級選擇器: 6個CEFR等級的圖形化選擇
程度描述: 每個等級的能力描述和範例詞彙
效果預覽: 顯示選擇該程度的重點學習範圍
學習建議: 基於程度的個人化學習策略

3.2 整合到分析流程

// 前端API調用整合
const handleAnalyzeSentence = async () => {
  const userLevel = localStorage.getItem('userEnglishLevel') || 'A2';

  const response = await fetch('/api/ai/analyze-sentence', {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({
      inputText: textInput,
      userLevel: userLevel, // 傳遞用戶程度
      analysisMode: 'full'
    })
  });
};

🏗️ 技術架構

1. 前端架構 (Next.js + TypeScript)

1.1 核心組件

// 主要組件
ClickableTextV2.tsx     // 可點擊文本組件（使用React Portal）
GeneratePage.tsx        // 句子分析主頁面
FlashcardsPage.tsx      // 詞卡管理頁面

// 輔助組件
Navigation.tsx          // 導航組件
ProtectedRoute.tsx      // 路由保護

1.2 狀態管理

// 分析狀態
const [sentenceAnalysis, setSentenceAnalysis] = useState<Record<string, WordAnalysis>>({})
const [sentenceMeaning, setSentenceMeaning] = useState<string>('')
const [grammarCorrection, setGrammarCorrection] = useState<GrammarCorrection | null>(null)

// UI狀態
const [selectedWord, setSelectedWord] = useState<string | null>(null)
const [popupPosition, setPopupPosition] = useState({ x: 0, y: 0, showBelow: false })
const [isSavingWord, setIsSavingWord] = useState<boolean>(false)

1.3 API服務層

// 服務介面
flashcardsService.createFlashcard()   // 詞卡創建
flashcardsService.getFlashcards()     // 詞卡查詢
flashcardsService.deleteFlashcard()  // 詞卡刪除

// API端點
POST /api/ai/analyze-sentence        // 句子分析
POST /api/flashcards                 // 詞卡創建
GET  /api/flashcards                 // 詞卡查詢

2. 後端架構 (.NET 8 + Entity Framework)

2.1 控制器層

AIController.cs         // AI分析相關API
FlashcardsController.cs // 詞卡CRUD操作
AuthController.cs       // 用戶認證
StatsController.cs      // 統計資料

2.2 服務層

GeminiService.cs        // Gemini AI整合
AudioCacheService.cs    // 音頻快取管理
AuthService.cs          // 認證服務
CacheCleanupService.cs  // 快取清理服務

2.3 資料層

// 主要實體
User.cs                 // 用戶資料
Flashcard.cs           // 詞卡實體
CardSet.cs             // 詞卡組
SentenceAnalysisCache.cs // 分析快取

// 資料庫上下文
DramaLingDbContext.cs   // EF DbContext

3. 資料庫設計 (SQLite)

3.1 核心表結構

-- 詞卡表
Flashcards {
  Id: GUID (PK)
  UserId: GUID (FK)
  CardSetId: GUID (FK)
  Word: VARCHAR(100)
  Translation: VARCHAR(200)
  Definition: TEXT
  PartOfSpeech: VARCHAR(50)
  Pronunciation: VARCHAR(100)
  Example: TEXT
  MasteryLevel: INT
  CreatedAt: DATETIME
}

-- 分析快取表
SentenceAnalysisCache {
  Id: GUID (PK)
  InputTextHash: VARCHAR(64) (Index)
  AnalysisResult: TEXT
  ExpiresAt: DATETIME (Index)
  AccessCount: INT
  CreatedAt: DATETIME
}

4. AI整合架構

4.1 Gemini AI整合

// AI分析流程
1. 接收用戶輸入 →
2. 檢查快取 →
3. 調用Gemini API →
4. 解析AI回應 →
5. 補充本地資料 →
6. 儲存快取 →
7. 返回結果

4.2 回退機制

// AI失敗處理
try {
    // Gemini AI分析
} catch {
    // 回退到本地分析
    return LocalAnalysis();
}

🔧 API規格

1. 句子分析API

端點

POST /api/ai/analyze-sentence

請求格式

{
  "inputText": "要分析的英文句子",
  "userLevel": "A2", // 用戶CEFR等級，用於個人化重點學習範圍判定
  "analysisMode": "full"
}

回應格式

{
  "success": true,
  "data": {
    "analysisId": "830ef2a1-83fd-4cfd-ae74-7b54350bff5e",
    "inputText": "The company offered a bonus",
    "userLevel": "A2",
    "highValueCriteria": "B1-B2", // A2用戶的重點學習範圍
    "grammarCorrection": {
      "hasErrors": false,
      "originalText": "The company offered a bonus",
      "correctedText": "",
      "corrections": []
    },
    "sentenceMeaning": {
      "translation": "公司發放了獎金。"
    },
    "finalAnalysisText": "The company offered a bonus",
    "wordAnalysis": {
      "bonus": {
        "word": "bonus",
        "translation": "獎金",
        "definition": "An extra amount of money added to a person's salary",
        "partOfSpeech": "Noun",
        "pronunciation": "/ˈbəʊnəs/",
        "isHighValue": true, // 由CEFRLevelService判定：B1屬於A2用戶的重點學習範圍
        "difficultyLevel": "B1"
      }
    },
    "highValueWords": ["offered", "bonus"], // 由CEFRLevelService判定，非AI決定
    "phrasesDetected": []
  },
  "message": "AI句子分析完成",
  "usingAI": true
}

2. 詞卡儲存API

端點

POST /api/flashcards

請求格式

{
  "word": "bonus",
  "translation": "獎金、紅利",
  "definition": "An extra payment given in addition to regular salary",
  "pronunciation": "/ˈboʊnəs/",
  "partOfSpeech": "noun",
  "example": "I received a Christmas bonus this year."
}

回應格式

{
  "success": true,
  "data": {
    "id": "flashcard-id",
    "word": "bonus",
    "translation": "獎金、紅利",
    "cardSet": {
      "name": "未分類",
      "color": "bg-slate-700"
    }
  },
  "message": "詞卡創建成功"
}

🎨 UI/UX設計規格

1. Portal彈窗設計

1.1 設計原則

詞卡風格一致性: 與展示頁面的詞卡風格100%一致
CSS隔離: 使用React Portal避免樣式繼承問題
響應式設計: 適配各種屏幕尺寸

1.2 視覺規格

/* 彈窗容器 */
.popup-container {
  width: 24rem;           /* w-96 */
  max-width: 28rem;       /* max-w-md */
  border-radius: 0.75rem; /* rounded-xl */
  box-shadow: 0 10px 15px -3px rgba(0, 0, 0, 0.1); /* shadow-lg */
}

/* 標題區漸層 */
.title-section {
  background: linear-gradient(to bottom right, #dbeafe, #e0e7ff); /* from-blue-50 to-indigo-50 */
  padding: 1.25rem;       /* p-5 */
  border-bottom: 1px solid #c3ddfd; /* border-blue-200 */
}

/* CEFR顏色系統 */
.cefr-a1 { background: #dcfce7; color: #166534; border: #bbf7d0; } /* 綠色 */
.cefr-a2 { background: #dbeafe; color: #1e40af; border: #bfdbfe; } /* 藍色 */
.cefr-b1 { background: #fef3c7; color: #a16207; border: #fde68a; } /* 黃色 */
.cefr-b2 { background: #fed7aa; color: #c2410c; border: #fdba74; } /* 橙色 */
.cefr-c1 { background: #fecaca; color: #dc2626; border: #fca5a5; } /* 紅色 */
.cefr-c2 { background: #e9d5ff; color: #7c3aed; border: #c4b5fd; } /* 紫色 */

2. 彩色區塊設計

2.1 內容區塊

翻譯區塊: 綠色系 (bg-green-50, border-green-200)
定義區塊: 灰色系 (bg-gray-50, border-gray-200)
同義詞區塊: 紫色系 (bg-purple-50, border-purple-200)

2.2 互動元素

播放按鈕: 藍色圓形 (bg-blue-600, w-8 h-8)
儲存按鈕: 主色調 (bg-primary, hover:bg-primary-hover)
關閉按鈕: 半透明白色 (bg-white bg-opacity-80)

🔧 技術實現規格

1. 前端技術棧

1.1 核心技術

{
  "framework": "Next.js 15.5.3",
  "language": "TypeScript",
  "styling": "Tailwind CSS",
  "stateManagement": "React Hooks",
  "apiClient": "Fetch API"
}

1.2 關鍵實現

// React Portal實現
const VocabPopup = () => {
  if (!selectedWord || !analysis?.[selectedWord] || !mounted) return null

  return createPortal(
    <div className="fixed z-50 bg-white rounded-xl shadow-lg w-96 max-w-md overflow-hidden">
      {/* 彈窗內容 */}
    </div>,
    document.body
  )
}

// 智能屬性讀取
const getWordProperty = (wordData: any, propName: string) => {
  // 處理大小寫不一致
  const lowerProp = propName.toLowerCase()
  const upperProp = propName.charAt(0).toUpperCase() + propName.slice(1)

  // 特殊處理AI資料缺失
  if (propName === 'synonyms') {
    return wordData?.[lowerProp] || wordData?.[upperProp] || []
  }

  return wordData?.[lowerProp] || wordData?.[upperProp]
}

2. 後端技術棧

2.1 核心技術

{
  "framework": ".NET 8.0",
  "language": "C#",
  "database": "SQLite + Entity Framework Core",
  "ai": "Google Gemini API",
  "authentication": "JWT Bearer Token"
}

2.2 關鍵實現

// AI分析服務 - 整合個人化重點學習範圍
[HttpPost("analyze-sentence")]
public async Task<ActionResult> AnalyzeSentence([FromBody] AnalyzeSentenceRequest request)
{
    // 1. 取得用戶程度
    string userLevel = request.UserLevel ?? await GetUserLevelFromAuth() ?? "A2";

    // 2. 快取檢查（基於用戶程度）
    var cacheKey = $"{request.InputText}_{userLevel}";
    var cachedResult = await CheckCache(cacheKey);
    if (cachedResult != null) return Ok(cachedResult);

    // 3. AI分析（傳遞用戶程度）
    var aiAnalysis = await _geminiService.AnalyzeSentenceAsync(request.InputText, userLevel);

    // 4. 重點學習範圍判定（關鍵步驟）
    var enhancedAnalysis = PostProcessHighValueWords(aiAnalysis, userLevel);

    // 5. 快取儲存
    await SaveToCache(cacheKey, enhancedAnalysis);

    return Ok(new {
        Success = true,
        Data = new {
            AnalysisId = Guid.NewGuid(),
            InputText = request.InputText,
            UserLevel = userLevel,
            HighValueCriteria = CEFRLevelService.GetTargetLevelRange(userLevel),
            GrammarCorrection = enhancedAnalysis.GrammarCorrection,
            SentenceMeaning = new { Translation = enhancedAnalysis.Translation },
            FinalAnalysisText = request.InputText,
            WordAnalysis = enhancedAnalysis.WordAnalysis,
            HighValueWords = enhancedAnalysis.HighValueWords
        }
    });
}

// 重點學習範圍判定服務
public static class CEFRLevelService
{
    public static bool IsHighValueForUser(string wordLevel, string userLevel)
    {
        var userIndex = GetLevelIndex(userLevel);
        var wordIndex = GetLevelIndex(wordLevel);

        // 重點學習範圍：用戶程度 + 1~2 階級
        return wordIndex >= userIndex + 1 && wordIndex <= userIndex + 2;
    }

    public static string GetTargetLevelRange(string userLevel)
    {
        var levels = new[] { "A1", "A2", "B1", "B2", "C1", "C2" };
        var userIndex = Array.IndexOf(levels, userLevel);

        var targetMin = levels[Math.Min(userIndex + 1, levels.Length - 1)];
        var targetMax = levels[Math.Min(userIndex + 2, levels.Length - 1)];

        return targetMin == targetMax ? targetMin : $"{targetMin}-{targetMax}";
    }
}

// 詞彙分析增強
private Dictionary<string, object> GenerateWordAnalysisForSentence(string text)
{
    var analysis = new Dictionary<string, object>();
    var words = text.Split(new[] { ' ', '.', ',', '!', '?' }, StringSplitOptions.RemoveEmptyEntries);

    foreach (var word in words)
    {
        analysis[word] = new
        {
            word = word,
            translation = GetWordTranslation(word),
            definition = GetWordDefinition(word),
            partOfSpeech = GetPartOfSpeech(word),
            pronunciation = GetPronunciation(word),
            synonyms = GetSynonyms(word),
            isHighValue = IsHighValueWord(word),
            difficultyLevel = GetWordDifficulty(word)
        };
    }

    return analysis;
}

3. 資料庫架構

3.1 實體關係

User (1) ←→ (N) CardSet (1) ←→ (N) Flashcard
User (1) ←→ (N) SentenceAnalysisCache
User (1) ←→ (N) WordQueryUsageStats

3.2 索引策略

-- 效能索引
CREATE INDEX IX_SentenceAnalysisCache_InputTextHash ON SentenceAnalysisCache(InputTextHash);
CREATE INDEX IX_SentenceAnalysisCache_ExpiresAt ON SentenceAnalysisCache(ExpiresAt);
CREATE INDEX IX_Flashcards_UserId_Word ON Flashcards(UserId, Word);
CREATE INDEX IX_WordQueryUsageStats_UserId_Date ON WordQueryUsageStats(UserId, Date);

📊 效能與擴展規格

1. 效能指標

1.1 回應時間

快取命中: < 100ms
AI分析: < 3000ms
詞卡儲存: < 500ms
彈窗顯示: < 50ms

1.2 併發處理

最大併發用戶: 100
AI API限制: 每分鐘60次請求
資料庫連線池: 20個連線

2. 擴展性設計

2.1 水平擴展

無狀態設計: 所有狀態存於資料庫
API分離: 前後端完全分離
快取策略: 支援Redis擴展

2.2 功能擴展

多語言支援: 預留i18n架構
AI模型切換: 支援多種AI服務
音頻功能: TTS語音合成擴展

🔒 安全性規格

1. 身份驗證

JWT Token: 用戶身份驗證
Token過期: 24小時自動過期
保護路由: 所有敏感API需要認證

2. 資料安全

輸入驗證: 防止SQL注入和XSS
資料加密: 敏感資料庫內加密
CORS設定: 限制跨域請求來源

3. API安全

[Authorize]                    // 需要認證
[ValidateAntiForgeryToken]     // CSRF保護
[Rate限制]                     // API調用頻率限制

📈 監控與維護

1. 日誌系統

結構化日誌: 使用Serilog記錄
分級記錄: Debug/Info/Warning/Error
效能監控: API回應時間追蹤

2. 健康檢查

GET /health                    // 系統健康狀態
GET /api/ai/cache-stats        // 快取統計資料
GET /api/stats/usage          // 使用統計資料

3. 錯誤處理

全域例外處理: 統一錯誤回應格式
使用者友善訊息: 技術錯誤轉換為用戶可理解訊息
錯誤報告: 自動記錄並分析系統錯誤

🚀 部署規格

1. 環境配置

{
  "development": {
    "frontend": "http://localhost:3001",
    "backend": "http://localhost:5000",
    "database": "SQLite本地檔案"
  },
  "production": {
    "frontend": "Vercel/Netlify",
    "backend": "Azure App Service",
    "database": "Azure SQL Database"
  }
}

2. 環境變數

# AI設定
GEMINI_API_KEY=your_gemini_api_key

# 資料庫
CONNECTION_STRING=Data Source=dramaling.db

# JWT
JWT_SECRET=your_jwt_secret
JWT_ISSUER=DramaLing.Api
JWT_AUDIENCE=DramaLing.Frontend

# CORS
ALLOWED_ORIGINS=http://localhost:3000,http://localhost:3001

📝 開發與測試規格

1. 開發環境設置

# 前端
cd frontend
npm install
npm run dev

# 後端
cd backend/DramaLing.Api
dotnet restore
dotnet run

2. 測試策略

單元測試: 核心業務邏輯測試
整合測試: API端點測試
端到端測試: 完整用戶流程測試
效能測試: API回應時間測試

3. 品質保證

// TypeScript嚴格模式
"strict": true,
"noImplicitAny": true,
"strictNullChecks": true

// ESLint規則
"@typescript-eslint/no-unused-vars": "error",
"@typescript-eslint/explicit-function-return-type": "warn"

📊 使用統計與分析

1. 用戶行為追蹤

分析次數: 每日句子分析統計
詞彙點擊: 高頻詞彙使用統計
儲存行為: 詞卡儲存成功率
學習進度: 用戶學習軌跡分析

2. 系統效能監控

API回應時間: 分析各端點效能
快取命中率: 優化快取策略
錯誤率統計: 監控系統穩定性
AI使用量: 追蹤AI API調用成本

🔮 未來擴展計劃

1. 功能擴展

語音輸入: 支援語音轉文字
文法練習: 基於分析結果生成練習題
學習路徑: 個人化學習建議
社群功能: 詞卡分享與協作

2. 技術優化

AI模型升級: 整合更先進的語言模型
快取優化: 引入Redis提升效能
微服務架構: 將功能模組化部署
實時同步: WebSocket即時更新

文件版本: v2.0 (整合個人化重點學習範圍系統) 建立日期: 2025-09-21 最後更新: 2025-09-21 重大更新:

高價值詞彙 → 重點學習範圍概念
個人化CEFR等級判定邏輯
CEFRLevelService技術架構
用戶程度設定系統整合

維護團隊: DramaLing開發團隊

25 KiB Raw Blame History Unescape Escape

AI詞彙分析生成系統規格

📋 系統概述

🎯 功能規格

1. 句子分析功能

1.1 核心功能

1.2 輸入限制

1.3 輸出內容

2. 可點擊詞彙功能

2.1 詞彙互動

2.2 個人化詞彙分類標記

2.3 詞彙詳情彈窗

3. 詞卡儲存系統

3.1 儲存功能

3.2 資料結構

4. 個人化程度設定系統

4.1 用戶程度管理

4.2 重點學習範圍邏輯

4.3 視覺化學習指導

5. 快取系統

5.1 個人化快取

5.2 效能優化

🎯 個人化重點學習範圍系統

1. 核心設計理念

1.1 問題解決

1.2 個人化效果對比

2. 技術實現架構

2.1 CEFRLevelService

2.2 AI Prompt個人化

2.3 後處理驗證

3. 用戶程度設定介面

3.1 設定頁面設計

3.2 整合到分析流程

🏗️ 技術架構

1. 前端架構 (Next.js + TypeScript)

1.1 核心組件

1.2 狀態管理

1.3 API服務層

2. 後端架構 (.NET 8 + Entity Framework)

2.1 控制器層

2.2 服務層

2.3 資料層

3. 資料庫設計 (SQLite)

3.1 核心表結構

4. AI整合架構

4.1 Gemini AI整合

4.2 回退機制

🔧 API規格

1. 句子分析API

端點

請求格式

回應格式

2. 詞卡儲存API

端點

請求格式

回應格式

🎨 UI/UX設計規格

1. Portal彈窗設計

1.1 設計原則

1.2 視覺規格

2. 彩色區塊設計

2.1 內容區塊

2.2 互動元素

🔧 技術實現規格

1. 前端技術棧

1.1 核心技術

1.2 關鍵實現

2. 後端技術棧

2.1 核心技術

2.2 關鍵實現

3. 資料庫架構

3.1 實體關係

3.2 索引策略

📊 效能與擴展規格

1. 效能指標

1.1 回應時間

1.2 併發處理

2. 擴展性設計

2.1 水平擴展

2.2 功能擴展

25 KiB

Raw Blame History