返回文章列表 Gemify 數位工具箱
技術架構 發佈日期:2026-06-02

放棄下拉選單與硬編碼!我如何用純前端 Omni-Search 與 AI 學習閉環打造「大腦救星」度量衡轉換器

Building Brain USB: Omni-Search & AI Learning Loop


系統架構摘要 (Executive Summary)

本報告統整了「大腦救星 / Brain USB」的專案開發脈絡。探討我們如何為了追求極速體驗,捨棄傳統的分類下拉選單,改採前端 Regex 驅動的 Omni-Search 架構;並在遭遇「長尾單位無限擴張」的瓶頸時,導入 Google Apps Script 與 Gemini AI,建立了一套具備「自我進化」與「冷啟動種子快取」的群眾外包學習閉環。

在資訊過載的時代,人類大腦的 工作記憶 (Working Memory) 是極其珍貴且有限的運算資源。我們觀察到生活中常有「大腦瞬間卡頓」的時刻:網購童裝看到 18M2T、看國外財經新聞寫估值 15B、買房寫 100平方公尺...

「大腦救星」的設計初衷,就是要成為您的外接隨身碟。提供一個能「1 秒極速反應、免打字發問」的對照工具,在速度上徹底擊敗需要等待 10~20 秒的生成式 AI,建立實用性護城河。

一、 捨棄下拉選單:Omni-Search 萬用直覺搜尋

本章核心:消除操作摩擦力

分析為何傳統的「先選分類、再選單位」設計會打斷使用者心流,以及如何利用正規表達式 (Regex) 與模糊比對打造 0.1 秒極速介面。

在早期的架構中,我們採用傳統的「下拉式選單」。但實測發現,如果使用者只是想知道 1M 是多少,卻必須先去選擇「資料量」類別,再選「MB 轉 Bytes」,這種操作成本太高,甚至比直接查 Google 還慢,完全違背了極速工作流的理念。

架構師決策:「最好的介面,就是只有一個輸入框。」

我們徹底推翻了下拉選單,改採類似 Mac Spotlight 的 Omni-Search (全能單一搜尋列)。 使用者只需打上 1.2台斤,前端 JavaScript 會利用高度優化的正規表達式 (Regex) 自動擷取數字與單位字尾,並在 0.01 秒內於記憶體進行模糊比對 (Fuzzy Search)。例如輸入 1M,系統會瞬間列出:資料量 (Megabyte)、距離 (Mile)、金錢 (Million) 等多維度解釋。

[gemifyho.com/brain-usb](https://gemifyho.com/brain-usb)
0.1秒極速智慧解析
1.2台斤
快速測試: 1Y (童裝) 15M (百萬) 15坪

圖 2.1:捨棄複雜選單,採用具備 Fuzzy Matching 的全局單一 Omni-Search 輸入列


// 循序執行漸進式裁剪辨識,一旦命中即中斷向外擴大
for (let step = 0; step < scanRegions.length; step++) {
  const region = scanRegions[step];
  if (loadingText) {
    loadingText.innerText = region.desc;
  }
  
  // 裁剪出特定中心區塊 Canvas
  const croppedCanvas = cropImageToCanvas(img, region.w, region.h);
  const dataUrl = croppedCanvas.toDataURL('image/png');
  
  // 送入 Tesseract.js 本地辨識
  const result = await Tesseract.recognize(dataUrl, 'eng+chi_tra');
  const text = result.data.text || "";
  console.log(`對焦區域 ${step + 1} (${Math.round(region.w * 100)}% 範圍) 辨識結果:`, text);
  
  const cleanedText = text.replace(/\r?\n|\r/g, " ");
  const patternMatch = cleanedText.match(/([\d.]+)\s*([a-zA-Z\u4e00-\u9fa5μµ%°]*)$/);
  
  if (patternMatch) {
    const detectedValue = patternMatch[1];
    const detectedUnit = patternMatch[2];
    finalDetectedText = detectedValue + detectedUnit;
    console.log(`🎯 在階段 ${step + 1} 成功捕捉到目標:${finalDetectedText}`);
    break; // 💡 成功捕捉到數值與單位,立即停止向外擴大,完美隔絕外部背景噪音!
  }
}

二、 突破硬編碼死局:AI 智慧學習閉環

本章核心:化解長尾單位的指數型災難

深入探討如何利用 Google Apps Script 與 Gemini AI,建立「本地檢索命中」與「未命中 AI 學習寫入」的雙重護城河。

在開發初期,我們計畫將所有的換算公式「寫死 (Hardcoded)」在前端。但我們立刻發現了純前端架構的致命傷:世界上的物理量、科技術語 (ppm/ppb) 多如牛毛。如果要滿足所有長尾查詢,前端 JS 檔案會變得極度龐大,且永遠無法應對使用者輸入的未知冷門代號。

為了解決硬編碼的死局,我們決定開發一套「大腦自我修復與智慧訓練沙盒 (The Learning Loop)」

  • 本地檢索 (0.05秒):先查閱 Sheets 的 BrainUSBCache 快取,若命中直接吐出,達成極速體驗。
  • AI 深度學習 (群眾外包):若輸入的是全新概念,GAS 會在背景呼叫 Gemini AI 進行語意解析、本地化折算,並自動將新知識寫回 Sheets。

這造就了指數型成本遞減:隨著大眾不斷查詢,資料庫會自動長大。未來的快取命中率將不斷提升,大幅降低 API 呼叫成本與延遲。

[gemifyho.com/brain-usb](https://gemifyho.com/brain-usb)
數值量化規模 雲端快取 (已命中)

輸入對照: 15B

$15,000,000,000 元
折合 150 億元
美股、科技徵才與國際企業常用數據簡寫(B = Billion)。

找不到未知單位?

提交給雲端大腦,我們將於深夜排程學習。

圖 2.2:快取命中卡片與 AI 自動排程學習回饋的防黑洞機制

三、 克服冷啟動:種子資料庫與變現佈局

本章核心:Cold Start 策略與長尾流量磁鐵

解密系統剛上線時的冷啟動策略,以及如何利用冷門查詢單位達成高 RPM 的 AdSense 變現黃金標準。

為避免系統剛上線時資料庫空空如也,導致每個查詢都觸發 AI(暴增成本與延遲),我們在架構上實施了 冷啟動策略 (Cold Start Strategy)。我們手動預載了近百條高頻「大腦卡頓常識」至 BrainUSBCache,涵蓋嬰幼兒童裝尺碼 (18M, 2T)、財經量級 (1.5M, 1.2T)、傳統市場重量 (1台斤, 16oz) 到台灣房屋坪數折算。

長尾流量磁鐵 (Long-tail SEO)
精準打中日常 Search Intent

冷門單位(如「1台斤幾克」、「18M 童裝多大」)具備極高的搜尋量與極低的競爭度。透過動態生成的詳盡卡片,精準網羅日常搜尋意圖。

極大化停留時間 (Dwell Time)
AdSense 高 RPM 變現標準

透過多維度的結果卡片(同時顯示公制、英制、生活比喻),讓使用者在頁面上停留對照的時間拉長,提升千次曝光收益。

四、 結語:純前端與 AI 協作的完美典範

「大腦救星」從一個簡單的「前端 Regex 轉換器」,在我們的迭代下,進化成了一個具備「群眾外包自動擴充 (Crowdsourcing)」、「AI 零維護寫入」與「極速快取」的微型 SaaS 級產品。

這款工具證明了:在 0 伺服器成本的條件下,透過前端正規表達式的靈活度與 Google Apps Script 的輕量級後端代理,我們能夠創造出比傳統關聯式資料庫更直覺、更具生命力的產品架構,真正成為現代知識工作者的大腦外接硬碟。

喜歡這款工具嗎?

本篇文章介紹的算法與開發模型,均已實裝於您的專屬「Gemify 數位工具箱」。無廣告、純本機安全運算、極速加載,誠摯邀請您免費體驗!