Day 23：專案初始化與資料收集

一、學習目標與任務定義

本日學習重點在於為 FAQ 智能客服系統建立初始環境與知識資料庫，為後續的 RAG 系統開發奠定基礎。

二、實作專案概述：RAG 智能客服系統

在最後七天我想要建構一個基於 Retrieval-Augmented Generation (RAG) 架構的智能客服系統。系統將結合知識檢索與大型語言模型 (LLM)，能夠從內部知識庫中檢索最相關的資訊，並生成精準、有依據的回答。

本日任務屬於專案的「資料準備與結構化」核心階段。

三、環境設定與專案結構設計

(1) 使用工具與套件

(2) 專案結構設計

採用標準的 MLOps 專案結構，有效分離資料、程式邏輯與原始碼，確保專案的整潔與可維護性。

faq_chatbot/
├── data/
│   └── google_faq.csv        ← 知識庫問答資料集
├── notebook/
│   └── Day23_data_collection.ipynb
├── retriever.py              ← 檢索邏輯模組 (後續開發)
├── app.py                    ← 前端服務 (Gradio/Streamlit)
└── requirements.txt

四、資料收集與整理

(1) 資料主題與格式

• 主題：「Google 常見使用問題與解答」，涵蓋帳號、雲端硬碟、Gmail、地圖等使用疑問。
• 資料量：共 20 條問答配對。
• 格式：每筆資料包含 question（使用者詢問）和 answer（標準答案）。

(2) 資料建立程式（Python 實作）

在 Jupyter Notebook 中執行以下程式碼，完成資料夾建立與 CSV 檔案儲存。

import os
import pandas as pd

# 1. 建立資料夾
os.makedirs("faq_chatbot/data", exist_ok=True)

# 2. 問答資料集 (部分展示)
data = [
    ["如何建立 Google 帳號？", "前往 https://accounts.google.com/signup 填寫基本資料即可建立帳號。"],
    ["忘記 Gmail 密碼怎麼辦？", "到 https://accounts.google.com/signin/recovery 進行密碼重設。"],
    ["如何開啟 Google 雲端硬碟？", "登入帳號後至 https://drive.google.com/ 使用雲端硬碟。"],
    # ... 略 (完整 20 筆資料)
    ["如何刪除 Google 搜尋紀錄？", "前往 https://myactivity.google.com/ 點選刪除活動。"],
    ["Google Chrome 為什麼會當機？", "可能因擴充功能衝突或記憶體不足，建議更新重啟。"]
]

# 3. 轉為 DataFrame 並儲存
df = pd.DataFrame(data, columns=["question", "answer"])
df.to_csv("faq_chatbot/data/google_faq.csv", index=False, encoding="utf-8-sig")

print("✅ 已建立資料集，共", len(df), "筆問答。")

(3) 資料驗證與檢查

from pathlib import Path

# 驗證檔案存在性
path = Path("faq_chatbot/data/google_faq.csv")
print("檔案存在？", path.exists())

# 隨機預覽資料
df_check = pd.read_csv("faq_chatbot/data/google_faq.csv", encoding="utf-8-sig")
print("\n隨機預覽 5 筆資料：")
print(df_check.sample(5))

五、參考資料

1. Hugging Face 官方文件：https://huggingface.co/docs
2. FAISS 向量資料庫介紹：https://faiss.ai/
3. Python 官方文件：https://docs.python.org/3/
4. Google 支援中心：https://support.google.com/

本次題目使用大語言模型作為輔助