冰箱上的藥單戰場
冰箱上的戰場 vs 不可靠的記憶力
第一次來我家的朋友，都會對冰箱上貼滿的一張張藥單印象深刻。
身為資深貓奴兼狗奴，隨著家中成員邁入高齡，我家已成為「高齡寵物長照中心」，1 隻 11 歲老狗與 5 隻 15 歲以上高齡貓。我家的日常，是由寫滿醫囑的藥單、散落的藥品與保健品堆疊而成。
「Momo 的腎臟藥餵了嗎？」 「這顆是早晚吃，還是三餐吃？」 「我剛剛餵過 Elley 吃藥了嗎？」
這些對話每天在我家重複上演。我試過白板紀錄、手機鬧鐘，但最終依然混亂。紙本藥單難以保存與查詢，家人間的資訊不同步更導致重複餵藥與漏餵的焦慮。
我意識到一件很諷刺的事：我每天在工作中處理複雜的專案控管與流程優化；但在家裡，面對這幾隻貓狗的照護，我卻缺乏一個有效的執行系統。
User Journey 的斷點：輸入門檻與 Drop-off Rate
於是我開始復盤這場「長照災難」。
我重新拆解照護者的 User Journey，發現現有紀錄工具（如手機提醒功能或白板）失效的關鍵在於：輸入門檻過高。
想像一下這個場景：
你剛帶貓看完醫生，身心俱疲回到家。接著打開手機紀錄工具，對照著格式不一的藥單，手動輸入：「止痛藥、 0.5 顆、一天兩次、飯後吃...」，人的耐心大概在 10 分鐘內就會耗盡。
當「紀錄成本」過高時，產品的 Drop-off Rate 就是 100%。
這就是我要解決的核心問題：
如何透過 AI 實現「無痛」的醫囑輸入？
解決方案：將自然語言轉化為「照護大腦」
既然痛點在於輸入，解決方案就必須直擊「自動化轉譯」。
我想像中的 PetParser，是一個能辨識獸醫「口語化醫囑」並自動轉化為精確排程的系統。它的核心任務是：讓使用者只需透過拍照或貼上文字，系統就能精準提取藥名、頻率與劑量等關鍵資訊，輸出全家人都能同步查閱的數位用藥日曆，並主動發送精準的餵藥提醒。
透過 AI 的語意理解，我們要將非結構化的紙本資訊，轉化為具備邏輯的數位資產。
從混亂到結構化的 User Journey
MVP 策略：最重要的是「驗證核心風險」
有了清晰的願景，接下來身為 PM 必須面對現實：在有限的時間與資源下，該如何確認這個產品的可行性？
許多人在啟動 Side Project 時，容易陷入「造大船」的迷思：一開始就想做登入系統、精美 UI 或雲端資料庫。但我問自己：「這個產品風險最高的地方在哪裡？」
對 PetParser 來說，最大的風險不是介面美醜，而是：
「AI 到底能不能讀懂獸醫格式不一、充滿口語化表達的藥單文字？」
如果 AI 無法區分「三天一次」與「一天三次」，再完美的介面都毫無價值。
因此，我制定了明確的 Priority，將 MVP 的 Scope 縮減至極致，專注於驗證 Prompt Engineering 的結構化能力。
PetParser 產品開發 Roadmap
我將開發拆解為「核心驗證」與「未來擴展」兩個階段：
核心驗證：MVP Scope
- 核心目標：驗證 AI 語意理解與 JSON 結構化精準度。
- 關鍵決策：
- 捨棄 App 形式，改用 React 快速搭建 Web 介面，並直接串接 Gemini API 。
- 暫緩 OCR 影像辨識開發，將資源集中於驗證 Prompt Engineering 的 JSON 結構化輸出穩定性。 - 交付價值：實現 AI 解析、自動計算排程、顯示 Preview 列表。
未來擴展：Future Roadmap
- 第一步：導入 OCR 影像辨識，實現拍照即輸入，徹底消滅輸入門檻。
- 後續規劃：
- 使用者認證與雲端同步：實現家庭多端協作，進度即時共享
- 主動推播提醒：解決漏餵與重複餵藥的斷點。
- Mobile UI UX 優化：精進行動端操作體驗，提升戶外與診間的使用便利性。
PM 的價值：「定義問題」與「正確取捨」
PetParser 的誕生，是源於對「解決真實痛點」的堅持。這場實驗讓我體認到，作為 PM，技術理解固然重要，但更核心的能力是如何定義問題，並在資源限制下做出正確的取捨。
目前 PetParser 已經能成功解析出十種不同說法的自然語言醫囑，並轉換為乾淨的 JSON 格式與自動排程。我知道這個方向是可行的了，但在這個過程中，我也與 AI 展開了無數次的「溝通拉鋸戰」。
PetParser 成功解析自然語言醫囑
下篇文章，我將分享在開發過程中，如何建構「三道防線」來馴服 AI 的隨性與不受控，讓 Gemini 聽懂醫生的「口語化敘述」。
歡迎在下方留言，分享你在 Side Project 中曾做過的困難取捨是什麼？
