qingjian/docs/plan/zh_tw_support_plan.md

青簡輸入法：繁體中文與台灣注音支援計畫 (zh-TW Support Plan)

這份文件記錄了為青簡輸入法加入「繁體中文輸出」與「台灣在地化注音支援」的技術分析與後續實作藍圖。

---

一、目前的痛點分析

青簡原生的打字推薦與整句轉換流程為： 按鍵 \to 拼音 \to 查簡體詞庫與簡體語言模型 (LCCC / 簡體百科) \to 輸出簡體中文字。

如果只在最後一關套用 ferrous-opencc 將結果從簡體轉為繁體，會遇到以下三大痛點：

1. 讀音標準不同（台灣教育部國語審定音 vs 大陸普通話 / Unihan 讀音）：
   • 許多常見字詞讀音完全不同，如「垃圾」（台灣：ㄌㄜˋ ㄙㄜˋ / 大陸：lā jī）、「企劃」（台灣：ㄑㄧˋ ㄏㄨㄚˋ / 大陸：qǐ huà）。
   • 注音使用者若按台灣發音習慣鍵入，轉換出的拼音會無法在底層簡體詞庫中命中。
2. 詞彙習慣與語料偏向：
   • 原生詞庫缺乏台灣在地用語（如：軟體、螢幕、列印、品質、捷運、便當、悠遊卡），反而會優先給出大陸慣用語（軟件、屏幕、打印）。
3. 簡轉繁的「一對多」歧義：
   • 例如「后」（皇后 vs 後來）、「发」（發展 vs 頭髮）、「干」（乾淨 vs 幹部 vs 干預）。以簡體為底層運算再轉繁體，容易出現錯別字。

---

二、雙軌並行的解決方案

為了解決不同客群的需求，我們將採用「雙軌並行」的策略來完善繁體與注音支援。

軌道一：在 Core 實作 OpenCC 繁體轉換 (PR 3) —— 已完成（2026-09-16）

落地時與下面的草案有一處不同：設定不是布林 traditional_output，而是 [general] traditional_variant 四選一 （off / taiwan / hongkong / standard，對應 OpenCC 的 s2tw / s2hk / s2t），因為台灣與香港字形取捨不同； 三檔都只換字形、不換用語。轉換只發生在候選出 Core 的那一步，詞庫與學習資料一律是簡體（crates/qingjian-core/src/traditional/）， 使用者說明見 docs/user/input/traditional.md。以下為當初的分析。

目標客群：習慣打拼音（全拼 / 雙拼），但希望能直接輸出繁體字的用戶。 作法：

1. 將 ferrous-opencc 作為 qingjian-core 的一個可選依賴或內建功能。
2. 在 GeneralConfig 增加 traditional: bool 的設定選項。
3. 在 Core 的候選詞結果輸出前，若該選項為 true，則進行簡轉繁。 優點：架構改動最小，跨平台（Windows / macOS / CLI）共享一致的轉換邏輯，完全滿足官方維護者的期望。

軌道二：替換原生台灣繁體詞庫 (Native zh-TW Dictionary)

目標客群：真正的台灣大千注音使用者，需要精確的台灣讀音與在地詞彙。 作法： 這部分不需要修改輸入法核心 Rust 程式碼，而是屬於「資料工程」：

1. 編譯專屬詞庫 (Rust 原生實作)：
   • 擴充 tools/dict-convert 工具，新增一個 Rust 原生的抓取與轉換指令（例如 cargo run --release -p qingjian-dict-convert -- fetch-mcbopomofo）。
   • 讓該 Rust 程式自動抓取開源的「小麥注音（McBopomofo）」或「萌典」資料集。
   • 將這些台灣在地詞彙與對應的注音符號，在 Rust 中轉換為青簡底層需要的拼音格式（如 垃圾\tle se\t8000），並直接打包為 zh-TW.qj 容器，捨棄原先 Python 腳本的過渡作法，保持專案純 Rust 的技術堆疊。
2. 編譯專屬語言模型：
   • 收集台灣繁體維基百科與 PTT 語料。
   • 透過 qingjian-dict-convert 的 bigram 統計功能，打包出台灣專用的 zh-TW-lm.qj 語言模型。
3. 無縫切換：
   • 教導台灣使用者，在設定檔中將詞庫路徑指向 zh-TW.qj 與 zh-TW-lm.qj，並關閉第一軌道的 OpenCC 轉換。 優點：從根本解決讀音差異、兩岸用語不同、以及一對多繁簡轉換錯誤的終極解法！

---

三、執行優先級 (Action Items)

1. [優先] 完成 PR 3 (Core Traditional Output)：
   • 滿足上游開源專案需求，為拼音用戶提供穩定的繁簡轉換功能。
2. [後續] 實作 Rust 原生的台灣注音資料打包工具 (qingjian-dict-convert)：
   • 將原有的 Python 腳本雛形，用 Rust 改寫並整合進 tools/dict-convert 中，釋出官方的「台灣注音資料包」與生成工具。