WILD
THOUGHTS

「你們其他客戶效果怎樣？」——業務端沒有系統化的答案。觀望中的醫師需要本土真實世界數據，而非文獻。療效數據散落在各診所，業務沒有正式管道收集；追蹤需要 4-12 週，容易被日常業務沖掉。

Google Form 收集（診所 / 適應症 / 注射部位 / 週數 / VAS 改善% / 主觀滿意度）→ autoform OCR 讀取追蹤表照片 → outcomes.jsonl 按適應症分類統計 → PLTxED 自動嵌入「北三區 N 例，膝 OA 平均 VAS 改善 X%」

越多診所用 → 數據樣本越大 → 說服力越強 → 更容易說服下一家。正向飛輪，不是單次效果。

拜訪建議 Top 5、路線最佳化——最後一哩路「排進行事曆」還是手動。更大的痛點：拜訪完成後沒有自動觸發 journal 記錄，資料常因忙碌而斷層。

visit_calendar_sync.py 讀取 visit_priority + route_optimizer → 建立 Calendar event（標題＝醫師名＋診所，description＝DocD8 one-liner brief）→ 事件完成時 → Telegram 推送 journal prompt：「剛拜訪了 XXX，態度？關鍵情報？下次切入點？」

業務通常只看「這個醫師買不買」，忽略了 KOL 的槓桿效應——一個 KOL 轉向可以帶動整個區域的處方行為。KOL 指標散落在學會網站、PubMed、Facebook，手動追蹤不現實。

學會職位 ×3 ／ 近 2 年期刊發表 ×2 ／ FB 醫療社群活躍度 ×1 → DocD8 新增 kol_score 欄位 → KOL 排行榜 + 拜訪優先度加權調整建議

對 KOL 準備客製化學術簡報，不是標準診間版。學術語言，文獻深度，完全不同的說話方式。

10 個專案各自為政，log 格式不統一，有的寫 stderr、有的寫 JSON、有的只靠 cron email。scraper 失敗、Gemini 分類異常、OCR 錯誤——全部事後才發現，修復時已造成資料空缺。

各專案新增 health_check.sh，固定輸出 JSON {project, status, last_success, error_count} → cron 每小時聚合 → Telegram 只推 🔴 和 🟢→🟡 狀態變化，避免 alert fatigue → dashboard-pwa 加一排系統狀態燈號。

PLT 機轉數據、競品規格、法規條文、醫師偏好——看過的東西三週後忘了一半。沒有人幫你複習。Anki 太學術、太重，不適合碎片化的工作知識。情報需要保鮮，但目前沒有任何機制。

FSRS 演算法排程（比 SM-2 更精準的間隔重複）→ Telegram bot 每天早上推 3 題快問快答 → 答對/答錯回饋更新下次間隔 → 週報：衰退最快的知識領域 Top 5 + 建議複習清單。

情緒狀態 × 知識保鮮度 × 成交率三軸交叉——看「哪種狀態下記得最牢、賣得最好」。