昨天的版本已經能讓AI同時做出摘要、翻譯與回答問題，而且使用者也可以自己輸入文章與問題，算是我這整個小專案正式成型的一天。

不過做到這裡，我發現雖然功能能跑，但如果別人想用我的程式，好像還是會有點迷茫，不知道哪一步該先做、哪裡要放token。

所以今天，我要來寫一份正式的使用教學！

專案介紹
這是一個最小可運作的AI問答機器人。
它可以做到三件事：

1. 根據輸入的文章，產生三句英文摘要。
2. 把原文翻譯成繁體中文。
3. 回答使用者針對文章提出的問題。
   整個專案使用的模型是Google的Gemma-2-2b-it，這個模型雖然不是最新一代，但在目前的Colab環境裡跑得非常穩定。

執行環境
這個專案在Google Colab上運行，需要先安裝幾個基本套件：

!pip -q install transformers==4.44.2 accelerate huggingface_hub regex

如果有Hugging Face的帳號，記得先到左側的Secrets設定，加入你的Token。

程式架構
整份程式可以分成四個主要部分：

1. 載入模型與登入 Hugging Face
   • 主要是初始化tokenizer和model。
   • 使用google/gemma-2-2b-it。
2. 功能函式區（摘要、翻譯、問答）
   • gen_summary_3sent()：三句英文摘要。
   • translate_to_zh()：翻譯成繁體中文。
   • answer_question()：根據文章回答問題。
3. 互動輸入區

user_text = input("請輸入一段文章：\n")
question = input("\n請輸入你的問題：\n")

4. 輸出結果

print("\n=== 三句摘要（英文） ===")
print(gen_summary_3sent(user_text))

print("\n=== 原文翻譯（繁中） ===")
print(translate_to_zh(user_text))

print("\n=== 問題 ===")
print(question)

print("\n=== QA 答案 ===")
print(answer_question(user_text, question))

實際執行結果
我輸入了這段文字：
Artificial Intelligence is transforming the field of medicine.
It can help in diagnosing diseases, analyzing medical images,
and even assisting in drug discovery.
This progress is driven by advances in machine learning and deep learning.
However, there are challenges such as data privacy and security.
然後問：
What are some challenges mentioned in using AI for medicine?
執行結果如下：

可以看到：

• 英文摘要：三句結構完整。
• 中文翻譯：乾淨沒有亂碼。
• QA 回答：精準地指出「資料隱私與安全性」這兩個挑戰。

這份教學的目的，就是讓別人也能輕鬆跑起這個小專案。
從一開始需要修改code，到現在只要輸入文章與問題就能得到完整結果，
我覺得這樣的體驗才是真的AI 工具該有的樣子。