每天的專案會同步到 GitLab 上，可以前往 GitLab 查看，有興趣的朋友歡迎留言 or 來信討論，我的信箱是 nickchen1998@gmail.com。

今天我們要來快速的設計一下我們的站台，下面分成三個區塊進行說明，分別是頁面呈現、系統架構以及資料表設計

頁面呈現

首先來看一下頁面設計的部分，我們主要分成兩個區塊，分別是 SideBar 和 QA：

首先看一下 SideBar 的部分，一共有三個功能：

• 選擇資料集：依照目標網站上的分類，提供使用者選擇資料集的功能，。
• OpenAI Key：由於最後會將站台部署上網路，為了避免資源消耗過大，因此需要請使用者自行填入 OpenAI Key，在這邊我們不會儲存使用者的 Key，請放心使用。
• 輸出問答紀錄：提供使用者輸出對話紀錄，方便使用者查看，目前預計會輸出 JSON 以及 CSV。

接著是問答頁面的部分，分成三個區塊做解釋：

• 標題與警語：警語的部分尤為重要，必須強調僅供參考，並非任何醫療建議，避免觸犯法律以及造成誤會。
• 對話紀錄：目前資料表不設計儲存對話紀錄，因此使用者一但重新整理後對話紀錄就會消失，但仍可以讓使用者在當前網頁中查看以及使用對話紀錄功能對話。
• 問題輸入：使用者可以在這邊輸入問題，並且點擊送出按鈕，就會將問題送到後端進行處理，並且將回答顯示在對話紀錄中。

系統架構

系統架構的部分，我們主要分成四個部分，分別是前端、爬蟲、資料庫以及 OpenAI API：

前台以及 OpenAI API 的部分在前面幾天的文章當中都有說明過了，這邊就不再贅述，我們直接針對爬蟲及資料庫做說明：

• 爬蟲：目前暫定會使用 Selenium 來進行爬蟲，因為目標網站是動態網站，因此需要使用 Selenium 來模擬瀏覽器行為，目標網站則是 衛生福利部 台灣 e 院。
• 資料庫：這邊選擇使用 MongoDB 作為資料的儲存，原因是他有免費的線上資源，並且可以發現我們沒有特別拉出向量資料庫的部分，是因為 MongoDB 有協助將向量索引整合進他們的 Atlas 的服務當中，有興趣的朋友可以看一下 這篇文章。

再三強調，爬蟲目的僅為學習研究，請勿濫用腳本進行攻擊行為或將資料用於商業用途

資料表設計

最後是資料表設計的部分，基本上可以看到都是對著網頁上的資料設計的，不過下面列出幾點比較需要解釋的部分：

• 不儲存發問者年齡及名字，避免觸犯個資法，僅儲存性別。
• refactor_question 以及 refactor_answer 是為了避免文章過於複雜，我們會使用 LLM 協助重構內文。
• 我們會針對 refactor_question 計算 embedding 並儲存在 refactor_question_embeddings 這個欄位當中，可以看到這是個 list 型態的欄位，計算完成後會透過 MongoDB 建立向量索引。

內容預告

今天我們快速說明了一下我們的站台架構，明天我們會開始進行爬蟲的部分，並且將資料存入 MongoDB 中。