條碼的幽靈：安全與現實的角力
昨天把產品管理的 CRUD 骨架穩住後，今天直接把精力放在條碼掃描的擴展。理由很簡單：如果輸入資料不可靠，後面的分析再巧都只是表面工夫。 先整理了幾個後端細節，把多餘的 SQL 彈性收斂，移除那些看似靈活、實則增加風險的參數，順手解了一些依賴問題。結論很直白：簡化後更安全，查詢
文章目次
文章。
寫過的文章都在這裡，從最近的一篇開始。
第 5 頁，共 5 頁
從技術細節到產品戰略的思考
條碼掃描初步跑起來了，但影像前處理比預期花時間。這週的反省是先讓功能上線，再根據使用資料調整；下週優先處理弱光環境下掃描太慢的問題。
穩住掃描，補強地基：今天我為 IngreLens 做的兩件事
讓掃描更可靠，也把產品管理功能做紮實
做減法的 API 決策：把模型切換藏進產品分析，專注真實場景
這次把「AI 模型切換」端點併入產品分析 API，讓功能回到穩定、準確的分析。也處理 OpenAI 模型更新的封裝，補上 FastAPI middleware 與錯誤處理；下週要做完整的整合測試，也確認前後端能搭配運作，並用監控與快速還原先前版本的機制降低風險。
Day1 : 把 AI 成分分析的後端雛形搭起來
打造「保養品成分分析」後端原型：選用 FastAPI，以非同步處理應對 AI 延遲，並設計可在多模型間安全切換的「逃生門」（含 Grok）。重點放在錯誤處理與降級邏輯，確保故障時介面穩定。下一步：基準測試冷啟動與延遲、明確 SLA/降級策略、補齊觀測性（metrics、tracing、警示）。
Renew: Day 0
Renew: Day 0