在完成這一系列的介紹後，我們從零開始，逐步開發了一個客製化的 AI 旅遊即時聊天機器人，慢慢的對生成式 AI 有一定的基礎，從最初的設計概念，到逐步實現 OpenAI 聊天室功能，再到成功整合 FastAPI、Azure OpenAI、ChromaDB、WebSocket 等技術，我們不僅學會了如何讓這些工具協同工作，更掌握了如何處理像是意圖分析、實時通信、資料查詢等複雜功能。接下來，我會再詳細介紹整個開發流程。

1.規劃與設計

核心目標——建立一個能即時回應旅遊問題的 AI 聊天機器人。這個機器人要能夠根據使用者的提問，提供台北市景點的介紹、交通、地址、營業時間等實用資訊。
前端：使用 Next.js 建立聊天介面，讓使用者能與聊天機器人互動。
後端：使用 FastAPI 和 Azure OpenAI 實作生成 AI 回應的功能，並與前端進行 WebSocket 通信。
資料庫：使用 ChromaDB 儲存旅遊景點的資料和意圖資料，並進行快速查詢。
意圖識別：利用 Azure OpenAI 來分析使用者的提問，從中辨識意圖，並查詢相關的景點資料。

2. 實作 OpenAI 聊天室功能

第一步是搭建基本的聊天系統。我們使用了 FastAPI 作為後端框架，並與 Azure OpenAI API 進行串接，讓聊天機器人能夠根據使用者的輸入生成回應。我們還使用 WebSocket 來實現即時通信，確保前端與後端的消息能夠即時傳遞。

• FastAPI 與 WebSocket 串接
• Next.js 前端實作

3. 建立意圖與景點向量資料庫

為了讓聊天機器人能夠辨識使用者的問題並給出準確的旅遊資訊，我們建立了兩個關鍵資料庫：

• 意圖資料庫：用來辨識使用者的提問意圖（例如查詢景點介紹、交通、地址等）。
• 景點資料庫：儲存台北各大景點的詳細資料，這些資料會以向量形式存儲在 ChromaDB 中，以便快速查詢

4.實作意圖執行功能

在建立好意圖與景點資料庫後，接下來是實作意圖執行的功能。我們使用 Azure OpenAI 來分析使用者的輸入，從中辨識出具體的意圖，並從 ChromaDB 查詢相關景點的資料。

5. 支援多用戶即時聊天

為了支援多用戶同時使用聊天機器人，我們擴展 WebSocket ，為每個使用者生成唯一的 user_id，並確保每個 WebSocket 連接能夠識別不同的用戶。

我們已經成功建立了客製化的 AI 聊天機器人，支援台北旅遊資訊查詢，並能夠即時回應多個使用者的問題。