Quizzman Fanqie Engine 系列（第十一篇）
上一篇：為什麼 Quizzman Fanqie Engine 不是一本漢越字典？
Quizzman Fanqie Engine 的發展歷程：從查詢工具到歷史音韻推論平台
Quizzman Fanqie Engine 並非一蹴而就，而是多年反切研究、漢越音研究與中古漢語研究累積的成果。隨著研究不斷深入，Engine 的整體架構也歷經多次重大改版。每一個版本都解決了新的問題，突破前一代的限制，使系統一步步朝著最初的目標邁進：以演算法建模漢越音的形成過程，而不是將結果儲存成一本大型字典。
最初的目標
Quizzman Fanqie Engine 最初的想法其實非常單純。
是否能僅憑反切，就推導出漢越音？
乍看之下，
這似乎只是個查詢問題。
只需要：
- 擷取聲母。
- 擷取韻母。
- 將兩者組合。
然而，
真正開始實作後，
很快便遇到一個重大挑戰。
反切所包含的資訊，
遠遠不只有：
- 聲母。
- 韻母。
還包括：
- 攝。
- 等。
- 開口／合口。
- 平、上、去、入四聲。
- 越南語歷史音變。
- 多個漢越音層次。
因此，
問題的複雜度遠超過最初的想像。
第一個版本
最初的版本，
主要聚焦於最基本的能力：
- 解析反切。
- 分離聲母。
- 分離韻母。
- 產生漢越音。
這是一個概念驗證（Proof of Concept）的階段。
Engine 已經能處理不少基本反切。
然而，
例外情況仍然很多。
音韻規律尚未完整建模，
許多結果仍需依賴額外資料修正。
當資料越來越多
隨著反切資料與漢越音資料快速增加，
團隊開始面臨一個重要問題：
應該繼續累積資料，還是回頭完善規律？
這項決策，
直接影響了之後整個架構。
若持續累積資料，
Engine 最終會變成一本大型字典。
若回頭建立規律，
開發速度雖然較慢，
卻能大幅提升推論能力。
Quizzman 最終選擇了後者。
從 Data-driven 轉向 Rule-driven
這是整個專案最大的轉折點。
過去，
Engine 記錄的是：
字 A
↓
讀音 A
字 B
↓
讀音 B之後，
改為保存：
規律 A
規律 B
規律 C每一條規律，
都能套用到數百甚至數千個漢字。
也正是在這個階段，
Pure Projection 的概念逐漸形成。
將 Middle Chinese 獨立成一層
另一項重大變革，
是將 Middle Chinese（中古漢語） 抽離成獨立的中介層。
最初，
中古音重建與漢越音推導同時進行。
這使得系統：
- 難以測試。
- 難以擴充。
- 難以解釋。
重新設計後，
整體架構變為：
反切
↓
Middle Chinese
↓
漢越音這樣的分層帶來許多好處：
- 每個階段都能獨立測試。
- 更容易替換中古音重建模型。
- 更容易加入拼音推導。
- 更容易支援其他漢字讀音系統。
這也成為今日整個架構的核心。
將音韻規律與詞彙層分離
後續版本最重要的改動之一，
就是徹底區分：
音韻規律與：
詞彙層兩者回答的是完全不同的問題。
音韻規律回答：
一個音節依照歷史規律應如何演變？
詞彙層則回答：
現代越南語實際使用哪一種讀法？
若將兩者混在一起，
Engine 將難以維護。
因此，
Quizzman Fanqie Engine 將它們拆分成兩個獨立步驟：
Pure Projection
↓
Lexical Normalization這也是整個架構最關鍵的設計之一。
聲調系統重新設計
聲調演算法，
也是改動最大的模組之一。
最初，
Engine 直接處理：
- 平（ngang）
- 玄（huyền）
- 問（hỏi）
- 跌（ngã）
- 銳（sắc）
- 重（nặng）
雖然可正常運作，
但逐漸暴露不少限制。
經過對漢越音與 Nguyễn Tài Cẩn 研究成果的整理後，
Engine 改採 Eight Tone Slot 模型。
先處理：
- 陰平
- 陽平
- 陰上
- 陽上
- 陰去
- 陽去
- 陰入
- 陽入
最後再映射為現代越南語六聲。
如此一來，
整個推導過程都能保留完整的歷史音韻資訊。
Candidate Ranking
當反切資料逐漸完善後，
新的問題也隨之出現。
許多漢字同時具有：
- 多種反切。
- 多個文獻來源。
- 多種重建方案。
若任意選取其中一種，
結果便容易不穩定。
因此，
Quizzman Fanqie Engine 加入了 Candidate Ranking。
系統會根據多項指標評估每個候選結果，例如：
- 文獻來源品質。
- 是否符合音韻規律。
- 標準漢越音層。
- 使用普遍程度。
- 整體可信度。
如此一來，
Engine 能在保留所有候選方案的同時，
選出最合適的結果。
Confidence Score
隨著 Engine 越來越複雜，
另一個問題也浮現：
使用者如何知道哪個結果比較可信？
因此，
Engine 不再只回傳單一答案，
而加入多層 Confidence Score。
例如：
- Source Confidence
- Phonological Confidence
- Lexical Confidence
- Final Confidence
每項指標，
分別反映推論流程中的不同面向。
這也是 Engine 邁向可驗證系統的重要一步。
測試系統也同步演進
架構越龐大，
Regression（回歸錯誤）的風險也越高。
一條音韻規律的小修改，
可能影響數千個漢字。
因此，
後續版本加入了完整測試流程：
- Golden Fixture
- Batch Audit
- Regression Test
- Stress Test
- Tone Audit
- Candidate Audit
目的不只是找出新的錯誤，
更重要的是：
確保已經正確的規律，不會在未來版本中被破壞。
從漢越音 Engine 到共用平台
最初，
Quizzman Fanqie Engine 的目標，
只是推導漢越音。
然而，
當 Middle Chinese 成為獨立中介層後，
整個平台便具備更高的擴充能力。
同一份 Middle Chinese Profile，
可以同時用於：
- 漢越音推導。
- 拼音生成。
- 反切研究。
- 自然語言處理（NLP）。
- 字典系統。
因此，
Quizzman Fanqie Engine 已從單一工具，
逐步發展為多項應用共享的基礎平台。
V6：從「查詢」走向「推論」
V6 是整個架構的重要里程碑。
它不只是新增更多音韻規律，
更完整落實了整個設計理念：
- Middle Chinese 作為獨立中介層。
- 音韻規律與詞彙層彼此獨立。
- 完整建模 Eight Tone Slot。
- Candidate Ranking 選擇最佳候選結果。
- Confidence Score 評估每一步推論。
- 明確區分 Pure Projection 與 Hybrid。
因此，
Quizzman Fanqie Engine 已不再只是漢越音轉換程式，
而是真正的 Historical Phonology Inference Engine。
發展仍在持續
雖然目前架構已相當成熟，
Quizzman Fanqie Engine 的發展並未停止。
歷史音韻學仍有極大的研究空間。
未來，
同一套 Middle Chinese 平台，
還可支援：
- 漢日音（Kan-on、Go-on）。
- 漢韓音。
- 漢語各地方言。
- 多個歷史音層重建。
- 漢文 NLP 與 AI 應用。
這也是 Quizzman 長期努力的方向：
不只是打造一套漢越音查詢工具，而是建立一個面向東亞歷史語言研究的音韻計算平台。