昨天我們學會了 Chain 與 PromptTemplate 的基礎用法。
今天要更進一步，做一個能回答問題的 AI 助手。

這類應用在實務上很常見，例如：

• FAQ 客服機器人
• 公司內部知識庫查詢
• 學習筆記的智慧搜尋

一、為什麼要用 RetrievalQA？

如果單靠 LLM，它只會根據訓練知識回覆，可能會「亂編答案」。
但我們需要 AI 根據特定資料（例如文件或 FAQ）來回答。
這時候就需要 RetrievalQA：

1. 先從資料庫中找出相關內容（Retrieval）
2. 再請 LLM 根據這些內容產生回答（QA）

二、準備環境

安裝套件：

pip install langchain-google-genai faiss-cpu langchain_community sentence-transformers

三、建立文件知識庫

假設我們有一份 FAQ，存成文字檔 faq.txt：

Q: 什麼是 LangChain？
A: LangChain 是一個幫助開發者快速構建 LLM 應用的框架。

Q: 我可以用哪些 LLM 搭配 LangChain？
A: 可以用 OpenAI、Gemini、Claude、Llama 等多種模型。

Q: LangChain 的核心功能有哪些？
A: 包含 Chains、Memory、Tools、Agents。

import os
from langchain.text_splitter import CharacterTextSplitter
from langchain_community.embeddings import HuggingFaceEmbeddings
from langchain.vectorstores import FAISS
os.environ["GOOGLE_API_KEY"] = "(前幾天的Gemini API Key)"

with open("faq.txt", "r", encoding="utf-8") as f:
    text = f.read()

text_splitter = CharacterTextSplitter(chunk_size=200, chunk_overlap=50)
docs = text_splitter.create_documents([text])

# 建立 Embeddings（改用 HuggingFace 免費模型）
embeddings = HuggingFaceEmbeddings(model_name="all-MiniLM-L6-v2")

# 建立向量資料庫
vectorstore = FAISS.from_documents(docs, embeddings)

四、建立 RetrievalQA

現在我們把 Gemini LLM + 向量資料庫 串起來：

from langchain_google_genai import ChatGoogleGenerativeAI
from langchain.chains import RetrievalQA

# 初始化 Gemini LLM（需要填上 API Key）
llm = ChatGoogleGenerativeAI(model="gemini-1.5-flash", temperature=0)

# 建立 RetrievalQA
qa_chain = RetrievalQA.from_chain_type(
    llm=llm,
    retriever=vectorstore.as_retriever(),
    chain_type="stuff"
)

# 測試問答
query = "LangChain 有哪些核心功能？"
result = qa_chain.run(query)
print("問題：", query)
print("回答：", result)
query2 = "LangChain 的使用案例有哪些？"
result2 = qa_chain.run(query2)
print("問題：", query2)
print("回答：", result2) 

輸出結果會是：

問題： LangChain 有哪些核心功能？
回答： 包含 Chains、Memory、Tools、Agents。
問題： LangChain 的使用案例有哪些？
回答： 我不知道 LangChain 的具體使用案例。

五、今日小結

今天我們學會了：

1. RetrievalQA 的概念：讓 AI 先檢索，再回答
2. 如何建立文件向量索引（用 HuggingFace Embeddings + FAISS）
3. 打造問答型 AI 助手，可以根據文件內容回答問題

這樣，你已經能做出一個小型 FAQ 聊天機器人了 🚀

👉 明天，我們會讓 Agent 學會使用 工具，例如：計算數學、查天氣，讓它不只會「回答」，還能「行動」。