HI！大家好，我是 Shammi！😊

歡迎大家加入阿米SDGs聊天室，希望讀者們可以溫柔的測試阿米小朋友的回覆功能

終於，來到我的鐵人賽最終章——Day 30 了！

回顧這 30 天的技術旅程，從 Day 1 萌發用 AI 推廣 SDGs 的專案緣起，到今天我的 AI 對話機器人已經能智慧回覆、具備多輪對話能力，並成功部署到雲端平台，這不僅是一場技術馬拉松，更是一段結合程式碼與社會關懷的成長之旅。

今天，我要為大家展示這 30 天的所有成果與功能亮點，並分享我參加鐵人賽的心得與對這個專案的未來展望！GOGOGO！

🌐 一、 30 天專案大回顧：從零到智慧對話

我的旅程充滿了學習、挑戰與突破：

👉 Day 1-7：專案啟動與基礎建設

• 我確立了使用 AI 機器人推廣 SDGs 的核心目標，這是整個專案的靈魂。
• 初步探索了 RAG（檢索增強生成）系統的原理，奠定了機器人「智慧」的基礎。

👉 Day 8-14：核心功能開發與 Web 原型建置

• 我學會了如何準備知識庫（PDF 文本提取、Embedding 向量化），這是機器人「記憶」的起點。
• 初步實作了 RAG 系統，讓機器人能夠根據知識庫回答問題。

👉 Day 15-21：跨平台實作 - LINE & Telegram

• LINE 機器人： 我挑戰了 Webhook 模式，學習了 Flask 和 ngrok 的整合，讓 LINE Bot 能夠即時接收訊息並利用 RAG 系統回覆。
• Telegram 機器人： 經過一番摸索和挑戰，我最終選擇了在 Colab 環境下更穩定的「長輪詢 (Polling)」模式，成功讓 Telegram Bot 也具備了智慧回覆功能。

👉 Day 22-30：專案優化、進階功能與部署

• UI/UX 思考： 我開始思考如何讓機器人回覆更友善，例如加入按鈕、圖片等，提升互動體驗。
• SDGs 強化： 深入優化 Embedding 和提示詞策略，讓機器人對 SDGs 的理解和回覆更精準、更有深度。
• 多輪對話與記憶： 這是機器人「人性化」的關鍵一步，透過管理對話歷史和查詢重寫，讓機器人能理解上下文，進行更流暢的對話。
• 部署實作： 將機器人從 Colab 搬家到 Google Cloud Run 雲端平台，解決了 Colab 的運行限制，確保服務的 24/7 穩定運行。
• 日誌與監控： 學習了機器人上線後的維護與管理，確保服務穩定並能及時發現問題。
• 最終整合願景： 描繪了未來讓 Web/LINE/Telegram 共用同一個 AI 後端的終極架構藍圖。

A型人的我，如果沒有先規劃好，真的很難有個好的開始，也謝謝讀者們和iThome的陪伴，讓我可以逐步優化與完成這項專案。

🌐 二、 專案成果展示與功能亮點

我的 SDGs 智慧聊天機器人，現在能夠在兩個主要平台提供服務：

1️⃣ LINE 機器人 (Webhook 模式)

功能亮點：

• 即時訊息接收： 透過 Flask Web 伺服器和 LINE Webhook 機制，實現了用戶訊息的即時接收。
• RAG 智慧回覆： 整合了 RAG 系統，能夠根據 SDGs 知識庫提供基於事實的精準回答。
• 彈性部署： 程式碼設計可以部署到 Google Cloud Run 這類雲端服務，穩定運行。
• 演示： 用戶在 LINE 中發送 SDGs 相關問題，機器人快速回覆相關知識。

2️⃣ Telegram 機器人 (長輪詢模式)

功能亮點：

• 穩定運行： 在 Colab 環境下，選擇長輪詢模式有效避免了 Webhook 常見的複雜問題，確保了開發和測試的流暢性。
• RAG 智慧回覆： 同樣整合了 RAG 系統，提供準確的 SDGs 資訊。
• 多輪對話與上下文理解： 這是最重要的升級！機器人能夠記憶前幾輪對話，理解上下文，甚至進行查詢重寫，使對話更加自然流暢。
• 可部署性： 程式碼也已考量部署到 Google Cloud Run 等伺服器，作為背景進程持續運行。

🌐 三、 鐵人賽心得分享與未來展望

這 30 天，對我來說是一場充滿挑戰但也收穫滿滿的旅程。

最大的收穫：克服 Colab 部署的『地雷』

從一開始嘗試在 Colab 上使用 Flask + ngrok 來處理 Webhook 的屢次碰壁，到後來理解 Colab 環境的特性，並策略性地選擇 Telegram 的長輪詢模式，甚至成功將機器人部署到 Google Cloud Run，這讓我對「在特定環境中選擇最合適的技術方案」有了深刻的理解。

那些 Address already in use 和 RuntimeError: This event loop is already running 錯誤，曾經是我的夢魘，現在卻成了寶貴的經驗。我學會了在 Colab 中，「重新啟動並執行所有項目」是萬靈丹！

RAG 系統與 LLM 的魅力

能夠將自己的知識庫注入到大型語言模型中，讓機器人「有憑有據」地回答問題，這種能力真的非常強大。提示詞工程、Embedding 優化和多輪對話的實作，讓我看到了 AI 機器人更智慧、更人性化的潛力。

對永續發展的承諾

我的專案初衷是利用 AI 推廣 SDGs，而這 30 天的努力證明了，即使是個人，也能透過技術為社會議題貢獻一份力量。看到機器人能夠清晰、有條理地解釋 SDGs，我就覺得一切都值了。

專案的未來展望與下一步規劃

我的 SDGs 智慧聊天機器人不會止步於此！這 30 天的鐵人賽只是個開始。

未來，我計劃：

1️⃣ 實踐「最終整合」藍圖：這是我接下來最重要的目標！我將努力將 AI 後端核心模組化，並實現 Flask 應用統一承載 LINE Bot 和 Web 聊天介面，同時讓 Telegram Bot 作為獨立背景進程運行。這將實現真正的資源高效和統一管理。

2️⃣ 開發 Web 聊天介面： 我會開發一個簡潔的網頁前端，讓使用者可以直接在瀏覽器上與我的 SDGs 機器人互動，這將大幅擴展服務範圍，無需依賴特定通訊軟體。

3️⃣ 持續優化 RAG 系統：

• 更豐富的知識庫： 引入更多 SDGs 相關的權威資料，甚至包含實踐案例和最新進展。
• 更精準的檢索： 探索更進階的檢索算法或更高性能的 Embedding 模型。

4️⃣ 拓展功能與互動：

• 個性化推薦： 根據用戶的對話歷史和興趣，推薦特定的 SDGs 目標、相關活動或學習資源。
• 多媒體回覆： 除了文本，嘗試加入更多圖片、圖表，甚至短影片來解釋 SDGs 概念，提升視覺體驗。
• 小測驗/挑戰： 增加互動遊戲或挑戰，讓用戶在輕鬆有趣的氛圍中學習 SDGs。
• 多語言支援： 讓機器人能夠用不同的語言推廣 SDGs，觸及更廣泛的受眾。

5️⃣ 社群協作：我希望這個專案能吸引更多志同道合的夥伴，一起參與開發、維護和推廣，共同為 SDGs 貢獻力量。

感恩與展望

感謝這 30 天鐵人賽給我的寶貴機會，讓我能夠系統性地學習、實踐並分享。這趟旅程證明了 AI 技術是每個人都能掌握的工具，即使是個人，也能透過 Side Project 為永續議題貢獻心力。我的 SDGs 智慧聊天機器人，才剛剛開始它的使命！

讓我們一起，用科技為世界創造正面影響，GOGOGO！