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。

今天我們要來串接資料查詢以及問答的部分，下面會分兩個區塊進行程式碼說明。

查詢資料

首先我們來看一下如何查詢資料，和前天爬文時相同，我們都要使用 MongoDBAtlasVectorSearch 這個 class 來進行查詢，這邊我們直接看一下下面這段程式碼：

...
if question and openai_key:
    with st.chat_message("user"):
        st.write(question)

    with get_mongo_database() as database:
        vector_store = MongoDBAtlasVectorSearch(
            collection=Collection(database, name="illness"),
            embedding=OpenAIEmbeddings(model="text-embedding-3-small", api_key=openai_key),
            index_name="illness_refactor_question",
            relevance_score_fn="cosine",
        )
        documents = vector_store.similarity_search(
            query=question,
            k=3,
            pre_filter={"category": {"$eq": dataset_option}}
        )
        answer = get_answer(documents, question)

    with st.chat_message("ai"):
        st.write(answer)
...

• 前後兩個 with 是用來顯示使用者輸入的問題以及 AI 回答的部分。
• 中間的 with 則是進行資料查詢，這邊我們使用 vector_store.similarity_search 來進行查詢，並且設定 k=3 來取得前三個相似的問題。
• 在查詢的同時，我們也使用 pre_filter 來做初步的篩選，這邊我們只取出 category 為使用者選擇的資料集的資料，最大限度降低資料的數量，提升查詢品質。
• get_answer 函式則是用來取得最後的回答，這邊我們會將查詢到的資料以及使用者的問題一併傳入，讓它可以回傳最後的答案，下面我們會另外做說明。

串接問答

上面有提到 get_answer，這邊就讓我們快速來看一下這段程式碼：

def get_answer(documents: List[Document], question: str) -> str:
    system_prompt = SystemMessage(content="""
你是一個專業的醫生，下面是一些醫生針對過去類似症狀的回覆，請幫我根據這些回覆來針對患者現在的狀況做說明。
- 請勿使用文章以外的內容做回覆。
- 請使用繁體中文做回覆。
----
        """)
    for document in documents:
        system_prompt.content += f"{document.metadata.get('refactor_answer')}\n"
        system_prompt.content += "----\n"

    llm = ChatOpenAI(
        api_key=EnvSettings().OPENAI_API_KEY,
        model_name="gpt-4o"
    )
    return llm.invoke([system_prompt, HumanMessage(content=question)]).content

• 這邊我們會將查詢到的資料以及使用者的問題一併傳入，並且將資料整理成一個 SystemMessage，這樣可以讓 AI 知道這些資料是用來做參考的。
• 最後我們會將 SystemMessage 以及使用者的問題一併傳入 ChatOpenAI，這樣就可以取得最後的回答。

問答效果

下方圖片當中我們可以看到，我們在收到使用者的訊息後成功的查詢了資料並回答使用者的問題：

內容預告

明天我們要將對話紀錄存下來讓使用者可以進行連續對話的功能！