🎯 目標

在 mySpringbootmall 專案中，整合 ONNX Runtime，支援 小型模型推論

提供 API /api/recommendations/ai，回傳模型排序結果

保持相容性：若無模型，仍可 fallback 到規則評分

🛠 工作項目
1) 環境與依賴

pom.xml 加入 ONNX Runtime Java 依賴：

模型檔：resources/models/recommender.onnx
（Day 14 先用 mock/tiny 模型，E001/E002 測試即可）

2) Service 層整合

建立 AiRecommendationService：

載入 ONNX 模型

將 food/evidence 特徵轉換為向量

呼叫 OrtSession.run(inputs)

回傳排序後的清單
3) Controller API

/api/recommendations/ai?effectId=E001

流程：

先用 EvidenceDao 抓出 raw 列表

丟給 AiRecommendationService.rerank()

回傳排序後的結果

4) 測試計畫

單元測試

確認 AiRecommendationService 可以載入模型（mock 模型返回固定分數）

整合測試

GET /api/recommendations/ai?effectId=E001 → JSON 包含 score 欄位

GET /api/recommendations/ai?effectId=E002 → 順序應和規則版不同（模擬模型排序效果）

✅ 驗收標準

pom.xml 可成功編譯 ONNX Runtime

/api/recommendations/ai 可回傳分數 (score)

無模型或發生錯誤時 → fallback 到規則版

測試 API：
📦 交付物

src/main/java/com/grace/mySpringbootmall/service/AiRecommendationService.java

src/main/java/com/grace/mySpringbootmall/controller/AiRecommendationController.java

src/main/resources/models/recommender.onnx（假模型，可用隨機分數代替）

更新後的 pom.xml