Cosmetic Science
一個以「化妝品科學（cosmetic science） → 配方（formulation） → 實驗 → 測試 → 法規 → 產品開發 → 實驗室」為主軸的繁體中文研究筆記。
這裡不收集秘方，而是把原料分類（ingredient classification）、劑型原理、測試、文件與自建研究室的方法放在同一套系統裡，讓每一次實驗都可以累積。
這個知識庫在建立什麼
-
理解原理
理解原料與配方背後的物理化學，而不只是照抄現成配方。
-
閱讀 INCI
把成分表放進 12 個功能抽屜，辨認類型與功能，而不是死背英文。
-
設計與迭代
能設計、製作與迭代基礎配方，並留下可追蹤的實驗紀錄。
-
實驗與失敗案例
建立實驗、失敗案例與版本紀錄。失敗通常比成功配方更有資訊價值。
-
測試、法規與量產
連結穩定性（stability）、安全、PIF（Product Information File）、GMP（Good Manufacturing Practice） 與量產，把實驗室結果接到產品生命週期。
-
自己的研究室
從學習型工作台到小型研發桌，列出儀器、耗材與大約成本，讓研究真的做得出來。
學習路徑
先理解原料分類、INCI（International Nomenclature of Cosmetic Ingredients）、pH，再進入乳化（emulsification）、界面活性劑（surfactant）、防腐（preservation）與流變（rheology），最後學習不同劑型、測試、法規，並決定自己的實驗室要買什麼。
-
基礎
從化妝品科學的核心問題開始，建立原料、標示與 pH 的共同語言。
-
配方核心
理解乳化、界面活性、流變、防腐與香料，掌握大多數劑型共用的配方骨架。
-
產品類型
把核心原理對應到常見劑型：乳液乳霜、精華凝膠、清潔與護髮。
-
測試與安全
用穩定性、微生物與包材相容性，檢驗配方能不能走出實驗室。
-
法規與生產
把配方接到產品資訊檔案、製造品質、美國外銷與代工合約。
-
產品開發
用可紀錄的流程做配方設計、逆向分析、實驗版本管理，並思考 AI 如何輔助。
-
實驗室
若要自己做研究，先算儀器、耗材、原料與委外檢測的帳，再決定買到哪一層。
寫作原則
每一個主題獨立一個 Markdown。後續可持續加入原料卡、實際配方、實驗結果、照片、文獻與法規來源。