小專題：AI 聊天系統 —— 多重異常處理與日誌紀錄

題目說明：

這個專題會模擬一個簡易的 AI 聊天系統，使用者可以向 AI 提出問題。AI 會根據不同的情況給出回應，並且需要處理以下情況：

1. 使用者輸入的問題包含不支援的字符或太長。
2. 系統無法識別輸入的問題。
3. 記錄聊天的日誌，方便檢查 AI 的回應狀況。

程式總覽：

解題分析：

1. 日誌設定

(chat_log.txt 日誌)

• logging 模組：Python 的 logging 模組用來記錄程式執行過程中的重要訊息，例如正常運行訊息或錯誤訊息。這裡的日誌記錄會被寫入到檔案 chat_log.txt 中。

• logging.basicConfig：用來設定日誌的基本配置，例如日誌的儲存路徑 (filename='chat_log.txt') 和記錄的等級 (level=logging.INFO)。INFO 等級會記錄所有訊息，包括正常的運行訊息與錯誤訊息。

2. AI 聊天主函數

• 函數 chat_ai()：這個函數是整個聊天系統的核心，當使用者啟動這個函數時，AI 會開始與使用者進行互動。首先，程式會輸出一條歡迎訊息，告知使用者 AI 已經準備好回答問題。

3. 主迴圈與使用者輸入

• while True 迴圈：這個迴圈讓系統不斷重複要求使用者輸入問題，直到使用者輸入結束對話的訊息為止。

• input() 函數：要求使用者輸入問題，並將輸入的內容儲存在變數 user_input 中。

4. 輸入限制與錯誤處理

• 字數限制：如果 user_input 的長度超過 50 字元，程式會主動引發 ValueError 錯誤，提示使用者問題太長。raise ValueError 用來拋出一個錯誤，並將訊息傳遞給異常處理程式。

• 符號限制：如果使用者的輸入包含不支援的符號（使用 isalnum() 函數判斷是否全為字母和數字），也會拋出一個 ValueError 錯誤。

5. AI 可能的回應

• 問題識別：根據使用者的輸入內容來進行回應。

如果使用者的問題中包含「天氣」，AI 會回應「今天天氣很好」。
如果使用者輸入「你好」，AI 會回應「你好，有什麼我能幫助你的？」。
如果使用者輸入「結束」，程式會結束對話，並退出主迴圈 (break)。

• LookupError：如果 AI 無法識別使用者的問題，會觸發 LookupError 錯誤，並進入異常處理邏輯。

6. 異常處理

• try-except 機制：這裡使用 try-except 來捕捉程式運行中可能出現的錯誤，並保證程式不會因此崩潰。

• 捕捉 ValueError：如果問題過長或包含不支援的符號，會拋出 ValueError，並輸出錯誤訊息。

• 捕捉 LookupError：如果 AI 無法理解使用者的問題，會拋出 LookupError，並提示使用者 AI 無法識別。

• logging.error()：將每次的錯誤訊息與使用者輸入記錄到 chat_log.txt 日誌檔案中，方便日後查看問題。

7. 記錄聊天過程

• logging.info()：當程式正常運行時，會記錄使用者的輸入和 AI 的回應，將對話記錄保存在日誌檔案中。這樣可以用來分析使用者的行為或記錄整個對話過程。

最後來測試所有回答，包括詢問天氣、問好、結束對話；輸入錯誤訊息包含：標點符號的句子、超過50個字的句子。

總結：

這次的小專題透過簡單的關鍵字識別和異常處理，就成了一個模擬 AI 聊天系統，並且能夠處理使用者輸入的不當資料或 AI 無法理解的問題。這樣的系統可以擴展成為更複雜的對話機器人，並且對日誌的使用使得除錯和系統改進更加方便。

我相信這個應用在未來學習 AI 相關知識時，例如自然語言處理 (NLP) 和機器學習中的數據清洗，都會有所幫助><