ꕤ 主題發想與動機

最近蠻喜歡聽日文歌，每次聽到超好聽的旋律時，總希望能順便了解這首歌的意涵，但是我的日文程度只停留在五十音和基本問候，因此我想要透過日文歌來學裡面的單字與文法，甚至深入了解背後的創作理念與歌手故事。然而，手動去查辭典或看零散的網路翻譯往往耗時，且缺乏系統性的互動引導。

此外，在技術學習上，我想藉由這個專案掌握「如何將 AI 輸出的結構化資料自動存入資料庫」的實務流程。透過資料庫作為中間的狀態暫存層，每次分析都嚴格鎖定在「最新存入的那一筆歌曲」，讓資料狀態清晰可控，也讓聽歌與語言學習能更有架構地進行。

ꕤ 我想先講講心得

這是我第一次接觸 AI 自動化流程，並且學習使用 n8n 串接 LINE 做出自己的 AI 小精靈，在看上哲兄的教學影片時，我完全就像寶寶一樣被教學哈哈哈~ 課程中都會用生活中的例子來說明，我覺得非常好理解！很期待之後的課程！

在製作自己的小專案時，過程中會炸出很多例外，像是 AI 出現幻覺，或是我的 system prompt不夠清楚讓他誤會，就要一直想解決方案並調整流程架構，最後可以依照不同情境分流成功執行出來，得到了一點成就感呢~好玩好玩！期待之後上哲兄的課程，想要學習更多酷東西~ BTW 這個網站的小世界也太可愛了吧！超級用心~還有小彩蛋，牛掰阿~~~

ꕤ 功能與流程架設

整個架構透過 n8n 串接 LINE Messaging API、OpenAI 模型與 n8n 資料庫：

1. 項目自然語言輸入與結構化分類：

• 使用者傳入訊息後，透過 Webhook 接收並觸發 LINE Loading 動畫（維持良好的等待體驗）。
• 透過提示詞規範，模型會將使用者輸入轉換為嚴格的 JSON 格式，分類出 CHAT（閒聊/缺漏引導）、MUSIC（儲存後提供快速選單）或具體指令（日文歌詞學習、歌曲解析、歌手介紹）。

2. 資料庫寫入與狀態隔離：

• 當歌曲三要素齊全時，立即將解析出的歌名、歌手、歌詞寫入資料庫（Insert row），落實結構化資料儲存。
• 後續需要產出教學或透過 Quick Reply 互動時，一律只從資料庫撈取「最新的一筆歌曲紀錄（Get row(s) 最新資料）」傳給模型。這樣做確保每次 AI 都只專注分析當下這首歌，從架構層面隔離干擾。

3. 多輪分支路由（Switch Router）：

• 資訊完整且指定需求：寫入資料庫 ➔ 撈取該筆資料 ➔ 呼叫模型生成深度解析 ➔ 回傳 LINE。
• 資訊完整但未指定需求：寫入資料庫 ➔ 回傳 LINE Quick Reply 按鈕（[日文歌詞學習]、[歌曲解析]、[歌手介紹]），讓使用者一鍵點選。
• 缺少必要資訊或閒聊：回傳溫暖引導訊息，提醒補齊資訊，不寫入資料庫。

ꕤ 遇到的困難與解決方案

在實作過程中，經歷了幾次卡關與問題解決：

1. 多輪對話的跨歌曲幻覺問題：

• 問題：如果單純仰賴 AI 的對話記憶，當使用者連續問了兩三首歌後，模型很容易把上一首的歌詞和新一首的歌名混在一起，產生記憶污染與幻覺。
• 解決：導入資料庫作為單一真實資料來源）。每當資訊完整就直接結構化入庫，後續分析（例如點選 Quick Reply 時）直接從資料庫撈取最新的那筆歌曲資料餵給 AI，完全拋棄不必要的長記憶。這樣一來，AI 每次都能 100% 專注分析最新那首歌，徹底根絕了跨歌曲混淆的幻覺！

2. 避免 AI 自行補齊歌詞：

• 問題：初期測試時，只要使用者少給了歌詞，AI 就會嘗試自己「通靈」補齊，但日文歌詞經常拼湊錯誤，導致錯誤資料直接寫入資料庫。
• 解決：重構 Prompt 邏輯，明確規範「歌手、歌名、歌詞三者必須全由使用者提供，嚴禁自行搜尋或猜測」。只要少一項就強行落入 CHAT 分類並回傳親切引導，確保進資料庫的資料品質絕對純淨。

3. Loading 動畫提前消失：

• 問題：LINE Loading 動畫提前中斷，使用者可能會以為 AI 消失了，但其實他還在思考。
• 優化：將 LINE Loading 動畫的 loadingSeconds 調高至 30 秒，確保動畫在背景運算期間持續播放，直到最終訊息回傳瞬間自然結束。

ꕤ 未來改善與優化方向

• 資料庫歷史清單與複習功能：目前設計是鎖定「最新一筆」，未來可以加入「我的學習歌單」指令，讓使用者能回查過去存入資料庫的所有歌曲與生詞筆記。

• 更平滑的多輪確認機制：未來希望在使用者少給歌詞時，系統能主動提問確認，使用者僅需回覆「是」即可由流程自動對齊並寫入資料庫，兼顧資料正確性與使用者體驗。

• 排版升級為 LINE Flex Message：將解析產出的生詞與文法模組化為精美的圖文卡片，提升在手機上的閱讀與複習體驗。