概述

• FAQ 資料管理（faqs.csv）
• 對話歷史記錄（SQLite / JSONL 可選）
• 向量檢索（Sentence-Transformers embedder + Chroma / FAISS 選用）
• 簡易 CLI 與 Colab 執行範例
• 測試流程

目錄

• run_faq.py：主 CLI 程式（檢索 FAQ、簡單回覆、記錄對話歷史）
• run_chat.py：簡易 CLI 聊天（使用 SQLite 記憶示範）
• memory_sqlite.py：SQLite 記憶工具（初始化、寫入、取最近）
• simple_memory.py：JSONL 記憶工具
• day27_test.ipynb 或 day27_test.py：Day27 測試流程（20 筆中文測試、匯出報表）
• faqs.csv：FAQ 資料（id, question, answer）
• faq_question_embeddings.npy：FAQ 問題 embeddings（可重建）

快速安裝
i> !pip install -q sentence-transformers chromadb faiss-cpu pandas transformers gradio
ii> 把專案檔案（run_faq.py, memory_sqlite.py, faqs.csv 等）貼成 cell 並執行 %%writefile 以建立檔案

FAQ 檔案格式
CSV 欄位範例（UTF-8 / utf-8-sig）
更新 FAQ 的基本流程：

1. 編輯 faqs.csv（加入/修改/刪除列）
2. 重新跑 embedding（或刪除 faq_question_embeddings.npy 讓程式重建）
3. 重新建立或 upsert 向量索引（Chroma/FAISS）

測試 20 筆中文測試

1. 準備 test_queries.csv（20 筆）
2. 載入 FAQ 的 embeddings
3. 對每一題做 top-k 檢索
4. 自動判定（id 比對 or fuzzy 字串比對）

常見錯誤與排除建議
ValueError: You are using a deprecated configuration of Chroma.

• 原因：使用舊版 chromadb.Client(Settings(...)) 初始化
• 解法：改用 chromadb.PersistentClient(path=...) 並使用 get_or_create_collection() / upsert()

ModuleNotFoundError: No module named 'memory_sqlite'

• 原因：在 Notebook 內沒有把 .py 檔寫出來
• 解法：使用 %%writefile memory_sqlite.py 建立檔案，或把程式放在同一個 cell 中直接執行

argparse 在 Colab 出現 -f /.../kernel-xxx.json 參數錯誤

• 解法：在程式中使用 args, unknown = parser.parse_known_args() 或於 Colab 中以 !python run_faq.py 單獨執行

記憶體不足 / OOM

• 解法：使用較小的 embedder（如 paraphrase-multilingual-MiniLM-L12-v2）、減少 batch_size、或在 Colab 選用 GPU/TPU（或用 CPU 版本的模型）

Chroma distances 行為不同

• 注意：不同版本的 Chroma 返回距離（越小越好）或相似度（越大越好），上線前務必 print() 檢查 sample 值並調整判定邏輯（例如把距離轉為 similarity: sim = 1/(1+dist)）