控制區
可用快速選擇帶入測試 token，也可手動輸入 token 測試白名單外情境。
抽取結果
L1
L2
L3
選中 Level 的原因
規則提示
Level 分數表
此表為 Level 抽選階段，不等於最後語料 tag 分數。
| 項目 | A | B | C | D | E |
|---|---|---|---|---|---|
| 基礎權重 | |||||
| 使用次數調整 | |||||
| 時段調整 | |||||
| 前句 Context 調整 | |||||
| 最終權重 | |||||
| 抽中機率 |
候選池篩選
本輪加分與限制
全部同 Level 候選（依 tag 分數排序）
| 訊息編號 | Tag 分數 | Context Tag | Rhythm Tag | Tag 分數說明 |
|---|
批次模擬結果
各次抽取 Level 分布
| 第幾次 | A | B | C | D | E |
|---|
方向性判讀
此判讀為設計方向檢查，非正式驗收標準。
| 抽取次數 | 設計期待 | 實際觀察 | 判讀 |
|---|
Fallback 原因明細
高曝光語料觀察（Top 10）
此表只顯示本輪出現較多的語料，不代表異常；需搭配 Level 權重與 tag 加分判讀。
| 訊息編號 | Level | 出現次數 | 占比 |
|---|
Level 分布 × 每日（multi_token_multi_day）
| 天 | A | B | C | D | E | 主要 Context |
|---|
抽樣紀錄（前 50 筆）
| 識別 | 第幾次 | 時段 | Level | 訊息編號 | Context | 第一行 | Fallback |
|---|
原始 JSON（開發用）
▼ 展開
規則說明
本頁用於整理目前模擬器採用的抽選規則。
規則以查表為主（數值寫在設定檔，程式查對應值），少數用 if 條件判斷。改數值只需改設定檔，不用動邏輯。
| 類型 | 規則 | 量化設定 | 原始說法 |
|---|---|---|---|
| Level 基礎權重 | 各 Level 初始抽選機率基礎值 | A:60 / B:15 / C:10 / D:10 / E:5 | A:60% B:25% C:10% D:5%（無 E） |
| 使用次數調整 | 依同日已抽次數（第 1/2/3 次）調整各 Level 權重 | 第 1 次：A +15 第 2 次：A -15、B +20、C +15 第 3 次：A -25、B -5、C +20、D +20 |
第1次：A（flow/slow） 第2次：B/C（slow） 第3次：C/D（pause） |
| NEW 使用次數 Rhythm 加分 | 依同日已抽次數（draw_order）對候選語料的 rhythm_tags 加分。這是第二階段語料抽取的加分，不是 Level 權重加分。CR031_ENABLED=false 時歸零；CR031_ENABLED=true 時不受 previousLevel gating 影響——previousLevel=null / E / D 非 quiet/transition 時仍依 draw_order 生效。previousLevel gating 只影響 Level-Context Rhythm Bonus、D hard constraint、Sequence Bonus。 | 第 1 次：flow +10、slow +10 第 2 次：slow +15 第 3 次：pause +15 |
同上 |
| 時段調整 | 依台北時間時段（day / evening / late_night）調整 Level 權重 | day 05:00–17:59：A +5、B +5 evening 18:00–22:59：B +5、C +5 late_night 23:00–04:59：C +5、D +5 |
day：A/B 提高；evening：B/C 提高；late_night：C/D 提高 |
| 最近排除 | 最近使用過的語料從候選池排除 | 最近 10 筆 | 排除最近 30 筆（語料增加後可以考慮） |
| Context Tag 加分 | 前句 primary context 對候選語料的 context_tags 加分 | heavy → quiet +10 | 不再壓（換 B / quiet / slow） |
| Rhythm Tag 加分 | 依前句 context 對候選語料的 rhythm_tags 加分 | quiet → flow +15 NEW heavy → slow +10 |
quiet：加一點流動；heavy：不再壓（換 B / quiet / slow） |
| Context 連續限制 | 同 primary context 連續出現達上限時，排除該 context 語料 | 上限 2 次 | 同 context 最多連續 2 次 |
| Level 連續限制 | 同 Level 連續出現達上限時，排除該 Level 候選語料 | 上限 2 次 | 同 level 最多連續 2 次 |
| NEW CR-031 Rhythm Streak | 同一 rhythm 連續出現達上限時，排除該 rhythm 候選語料 | 同 rhythm 最多連續 2 次 Sequence Bonus（+5）：slow→pause→slow→flow 節奏呼吸路徑，依序列階段加分偏好下一個節奏 |
避免：pause→pause→pause；flow→flow→flow；使用者確認衍生為同 rhythm 最多連續 2 次 hard constraint |
| NEW CR-031 D Hard Constraint | Level D 且 context 為 quiet / transition 時，限定只選 pause rhythm 語料 | D + quiet / transition → pause only；非 pause 排除候選池 | D：quiet/transition→pause（其他禁止） |
| Fallback 機制 | 候選池不足時依序放寬排除條件的保底流程；每一步仍走 scored() 加權抽選，不是隨機亂抽。觸發後記錄 fallback key |
F0 （全部限制生效，初始狀態） F1 context_streak_relaxed — 放寬 context 連續限制 F2 level_streak_relaxed — 放寬 level 連續限制 F3 recent_exclude_relaxed — 放寬最近排除限制 F4 heavy_avoid_context_relaxed — 放寬 heavy 情境迴避規則 F5 d_hard_constraint_relaxed — 放寬 D 硬限制，回到 selectedLevel full pool（僅 D + quiet/transition 觸發） E1 emergency_relax_rhythm_streak — 緊急放寬 rhythm 連續限制（僅 F0–F5 全部失敗時啟用） E2 global_emergency_all_active — 所有排除條件解除，仍走 scored() 加權抽選，非隨機亂抽 |
工程補救機制，非原始規格 |
NEW CR-031 Level / Context → Rhythm Matrix
此 matrix 說明當「前一句 Level（previousLevel）與 primary context（previousPrimaryContext）」落在特定組合時，不同 Level 下候選語料的 rhythm 加分方向。
| Level | 量化設定（程式實際） | 原始說法 |
|---|---|---|
| A |
A + scattered → slow +10 / flow +10 A + normal → flow +10 A + quiet → slow +10 A + heavy / low / transition → 無 matrix 加分 |
scattered → slow/flow；normal → flow；quiet → slow |
| B |
1. Level 層：上一句 context_tags 含 heavy → Level B +10 2. Context 層：候選語料 context_tags 含 quiet → +10；含 heavy → 排除 3. Rhythm 層：上一句 context_tags 含 heavy，且候選 rhythm = slow → slow +10（CR031_HEAVY_RECOVERY_BONUS） 注：heavy recovery bonus 屬於 CR031_HEAVY_RECOVERY_BONUS，不等同於 B level matrix。 |
全部 slow（heavy 限制） 這對應：上一句 = heavy，下一句不再壓，往 B / quiet / slow 方向走。 |
| C |
C 有明確 LEVEL_CONTEXT_RHYTHM_BONUS matrix： C + normal → slow +10 C + quiet → slow +10 / pause +10 C + heavy → slow +10 C + scattered / low / transition → 無 matrix 加分 |
normal → slow；quiet → slow/pause；heavy → slow |
| D |
D + quiet / transition → pause only（hard constraint） 非 pause rhythm 的候選語料直接排除候選池，不是加分機制。 D + 其他 context（scattered / normal / low / heavy）→ CR-031 rhythm 加分不套用（shouldApplyCr031RhythmBonus 回傳 false） |
quiet/transition → pause（其他禁止） |
＊「previousPrimaryContext」= todayHistory 最後一筆的 context_tags。
＊「previousLevel」= todayHistory 最後一筆的 selected_level。A / C / D rhythm 規則（v1.2）須 previousLevel 與 previousPrimaryContext 同時符合才觸發加分。
＊ E level 不套用 CR-031 rhythm 加分（shouldApplyCr031RhythmBonus 回傳 false）。
規則實作方式
查表型（主要方式）
- Level 權重：BASE_LEVEL_WEIGHTS、USAGE_COUNT_ADJUSTMENTS、TIME_SLOT_ADJUSTMENTS → 用物件 key 查值
- Context 調整：PREVIOUS_CONTEXT_ADJUSTMENTS → 查 context key 取 levelBoost / tagBoost
- Rhythm 加分：USAGE_RHYTHM_BONUS、LEVEL_CONTEXT_RHYTHM_BONUS → 查 drawOrder / level / context key
- 常數限制：MAX_SAME_LEVEL_STREAK、MAX_SAME_RHYTHM_STREAK 等 → 數值比較
if 判斷型（少數）
- shouldApplyCr031RhythmBonus — previousLevel gating（E → false、D + 非 quiet/transition → false）
- getDRequiredRhythm — D hard constraint
- calcRhythmSequenceBonus — 序列模式匹配（slow→pause→slow→flow）
- 各種 streak 判斷（連續次數是否超限）
抽取邏輯：不是直接抽一句，而是先抽 Level，再抽語料
模擬器不是從全部語料中直接挑最高分，也不是 AI 即時生成。
它會先判斷本輪適合的 Level，再從該 Level 裡依照 tag 加分做第二次加權抽取。
調度流程：先抽 Level，再抽語料
300 則語料
A B C D E
→
① 抽 Level
A
→
② 抽語料編號
008
→
結果
A008
核心公式
下一句語料 =
今日第幾次使用
+
現在時間
+
上一則語料的 context
+
最近使用紀錄
各因素的作用：
今日第幾次 — 影響哪個 Level 被加權
現在時間 — 日／夜／深夜對應不同 Level 傾向
上一則 context — 影響本輪 Level 與 tag 加分
最近使用紀錄 — 排除近期語料，避免重複
今日第幾次 — 影響哪個 Level 被加權
現在時間 — 日／夜／深夜對應不同 Level 傾向
上一則 context — 影響本輪 Level 與 tag 加分
最近使用紀錄 — 排除近期語料，避免重複
完整抽取流程
使用者感應 NFC
↓
第一階段：抽 Level
依基礎權重、使用次數、時段、前句 context 加權
↓
進入該 Level 候選池
依 selected_level 篩出語料
↓
排除限制
排除最近出現、連續 Level、連續 Context、連續 Rhythm、D hard constraint
↓
加分排序 / 加權抽選
依 context / rhythm 加分，加權隨機選出
↓
選出三句話
↓ 若候選不足
Fallback
候選不足時放寬排除條件的保底流程；仍保留 scored() 加權邏輯，不是隨機亂抽
第一階段範例：Level 怎麼被抽中
範例數字，非固定結果——實際數字會依使用次數、時間與前次語料狀態變動
各 Level 本輪計算後的最終權重（範例）：
A = 60 + 15 + 5 = 80
B = 15 + 5 = 20
C = 10
D = 10
E = 5
總分 = 125
假設
Math.random() = 0.52，則
0.52 × 125 = 65
落點 65 落在哪個 Level 區間？
Level 抽選區間（總計 125，以寬度表示各 Level 比例）
因為 65 落在 A 區間（0 ≤ 65 < 80），所以本輪抽中 Level A。
Level 區間對照：A：0–79 ｜ B：80–99 ｜ C：100–109 ｜ D：110–119 ｜ E：120–124
數字會依使用次數、時間與前次語料狀態變動。
第二階段範例：從 Level A 裡抽語料
範例數字，非固定結果——實際數字會依 tag 組合與前次語料狀態變動
Level A 候選語料的本輪 tag 分數（範例）：
A-001 = 1
A-002 = 16 （flow tag 加分）
A-003 = 1
A-004 = 1
總分 = 19
假設
Math.random() = 0.7，則
0.7 × 19 = 13.3
落點 13.3 落在哪筆語料區間？
語料抽選區間（總計 19，以寬度表示各語料比例）
因為 13.3 落在 A-002 區間（1 ≤ 13.3 < 17），所以最後抽中 A-002。
⚠ 權重高代表比較容易被抽中，不代表一定會被抽中。
數字會依 tag 組合與前次語料狀態變動。
語料分布
本頁用於檢查目前語料標籤分布是否支撐抽選規則。資料來自 Remote D1 messages 表 read-only SELECT，統計範圍為 is_active = 1 的 300 筆語料。
語料結構：A–E 五個 Level
A 接住、允許
B 鬆動、轉向
C 拉回、內收
D 陪伴、穩住
E 輕提醒
所有 TAG 清單
Level × Rhythm
| Level | flow | slow | pause | 合計 |
|---|---|---|---|---|
| A | 8 | 43 | 9 | 60 |
| B | 6 | 44 | 10 | 60 |
| C | 11 | 41 | 8 | 60 |
| D | 15 | 32 | 13 | 60 |
| E | 4 | 36 | 20 | 60 |
| 總數 | 44 | 196 | 60 | 300 |
| 占比 | 14.7% | 65.3% | 20.0% | 100% |
目前語料 rhythm 以 slow 為主，代表整體語氣偏穩、慢、陪伴；pause 可支撐 D/E 或 quiet / transition 的停頓需求；flow 用於較輕、推進感較強的語句。
Level × Context
| Level | normal | scattered | low | heavy | transition | quiet | 合計 |
|---|---|---|---|---|---|---|---|
| A | 8 | 0 | 25 | 16 | 7 | 4 | 60 |
| B | 22 | 3 | 21 | 5 | 6 | 3 | 60 |
| C | 39 | 0 | 10 | 7 | 4 | 0 | 60 |
| D | 24 | 1 | 15 | 11 | 9 | 0 | 60 |
| E | 11 | 1 | 30 | 3 | 7 | 8 | 60 |
| 總數 | 104 | 5 | 101 | 42 | 33 | 15 | 300 |
| 占比 | 34.7% | 1.7% | 33.7% | 14.0% | 11.0% | 5.0% | 100% |
目前 context 以 normal 與 low 為主，兩者合計約 68.4%。quiet 僅 15 筆，scattered 僅 5 筆，屬於低量標籤，後續若要提高這類情境的穩定性，需留意語料補充。
資料觀察： A+scattered、C+quiet、D+quiet 為 0 筆。表示目前沒有語料會碰到此條規則，mvp可忽略。
Level × Trigger
| Level | self | thought | feeling | state | 合計 |
|---|---|---|---|---|---|
| A | 19 | 36 | 5 | 0 | 60 |
| B | 17 | 43 | 0 | 0 | 60 |
| C | 14 | 45 | 1 | 0 | 60 |
| D | 47 | 8 | 5 | 0 | 60 |
| E | 49 | 8 | 3 | 0 | 60 |
| 總數 | 146 | 140 | 14 | 0 | 300 |
| 占比 | 48.7% | 46.7% | 4.7% | 0.0% | 100% |
Trigger tags 目前僅記錄與分析使用，不參與抽選加權。
目前 trigger 以 self 與 thought 為主，合計約 95.4%。feeling 僅 14 筆，state 目前為 0 筆。此區僅作為語料結構觀察，不影響抽選加權。
資料來源：Remote D1 messages 表 read-only SELECT；統計範圍為 is_active = 1 的 300 筆語料。
給當下的你
這個系統是為了做到「有感知的陪伴」。
不問使用者現在怎麼了，而是推測你現在可能需要什麼，
再用適合的節奏，送出一組語句與圖片。
陪伴使用者「安靜地存在一下」
不問使用者現在怎麼了，而是推測你現在可能需要什麼，
再用適合的節奏，送出一組語句與圖片。
陪伴使用者「安靜地存在一下」
使用者做了什麼
感應 NFC
→
系統接收到
今日第幾次 ‧ 現在時間 ‧ 上次語料狀態
今日第幾次 ‧ 現在時間 ‧ 上次語料狀態
→
送出一組語句 + 圖片
使用者唯一的動作就是「感應 NFC」。
不需要登入、不需要輸入任何資料、不需要告訴系統自己的狀態。
不需要登入、不需要輸入任何資料、不需要告訴系統自己的狀態。
核心設計哲學：推測 + 引導
推測 — 系統從使用次數、時間、上一句的情境標籤，推測使用者目前可能的狀態。
引導 — 依推測結果，用節奏（pause / slow / flow）引導下一步的陪伴方向，而不是被動回應。
引導 — 依推測結果，用節奏（pause / slow / flow）引導下一步的陪伴方向，而不是被動回應。
成品形式：語料 + 圖片
最終呈現不只是文字。每次調度會送出一組「三層語句 + 配對圖片」的完整體驗。
圖片由 AI 預先生成，存入資料庫，依語料情境配對顯示。
圖片由 AI 預先生成，存入資料庫，依語料情境配對顯示。
語料結構：A–E 五個 Level
A 接住、允許
B 鬆動、轉向
C 拉回、內收
D 陪伴、穩住
E 輕提醒
每筆語料含三層文本：看見（line1）→ 鬆動（line2）→ 回到自己（line3）
曼陀羅12種型態圖片
曼陀羅，是「在裡面」的視覺語言。
它不是單純的對稱圖案，而是人在回到內在中心時，逐漸浮現出的秩序與結構。
當一個人停止向外尋找答案，重新回到自己，原本分散的感受會慢慢被看見、整理、安放。
「在裡面」想做的，就是透過曼陀羅，讓人用一種安靜的方式，看見自己內在原本就存在的答案。
現階段進度
已完成
語料調度模擬器（本工具）— 含 300 則語料、五級權重系統、節奏調度規則（CR-031 v1.2）
已完成
Production 部署 — Cloudflare Workers + D1，draw_order=1 路徑已通過 production smoke test（2026-05-25）
進行中
CR-031 全情境驗收 — draw_order=2/3、D hard constraint、fallback chain 等路徑驗證
進行中
圖片生成系統 — AI 預生成圖片，依語料情境配對存入資料庫
待開發
MVP 1B 正式 NFC 前台 — landing 頁、NFC 感應入口、正式視覺設計
理想成品
