Day 29 報告：RAG 智能客服最終整合與功能擴充

一、最終整合目標與系統架構

本次實作是 RAG Chatbot 專案的最終版本，旨在整合所有先進功能，包括 大型語言模型（LLM）的生成能力、對話記憶（Conversation Memory），以及自動化的品質評估機制。

二、程式碼解析：LLM 整合與記憶體機制

本版本程式碼（Day 29 最終整合版）是基於 LangChain 實現的 RAG 核心，並加入了多項生產級功能。

(1) RAG 初始化與 LLM 整合

系統使用 OpenAI 的 Embedding 模型和 GPT-3.5-turbo 作為 LLM。知識庫 (docs.pkl) 載入後直接轉換為 FAISS 向量庫和檢索器 (retriever)。

# RAG 核心組件
embeddings = OpenAIEmbeddings(model="text-embedding-ada-002")
vectorstore = FAISS.from_documents(docs, embeddings)
retriever = vectorstore.as_retriever(search_kwargs={"k": 3})
llm = ChatOpenAI(model="gpt-3.5-turbo")

(2) 對話記憶與 Prompt 組合

chatbot 函數是 RAG 系統的最終實現。它不僅執行檢索，更整合了對話歷史來優化 Prompt：

# Day 29 新增：加入對話記憶
chat_history = []

def chatbot(query):
    # 擷取最近三輪對話作為上下文
    history_text = "\n".join([f"使用者: {h[0]}\n助理: {h[1]}" for h in chat_history[-3:]])
    full_prompt = f"{system_prompt}\n\n{history_text}\n\n使用者問題: {query}"
    
    # ... 檢索與 LLM 生成 ...
    
    # 儲存對話歷史
    chat_history.append((query, answer))
    # ...

優勢：在 LLM 生成階段，模型能參考過往對話，減少重複回答，並能處理代詞指涉（如「它在哪裡？」）。

(3) 自動評估機制

為了客觀衡量 RAG 系統的表現，我們新增了 evaluate_system 函數，使用業界標準的 ROUGE 和 BLEU 分數來比較系統回答 (response) 與預期答案 (expected) 的相似度。

def evaluate_system(test_cases):
    rouge = Rouge()
    results = []
    for q, expected in test_cases:
        response = chatbot(q)
        # ROUGE-L：衡量回答與預期答案的最長公共子序列相似度
        rouge_score = rouge.get_scores(response, expected)[0]["rouge-l"]["f"]
        # BLEU：衡量回答的詞彙精準度
        bleu_score = sentence_bleu([expected.split()], response.split())
        results.append((q, response, rouge_score, bleu_score))
    return results

test_data = [
    ("如何建立 Google 帳號？", "進入 Google 前往 https://accounts.google.com/signup，填寫基本資料即可免費建立 Google 帳號。"),
    ("如何重設 Gmail 密碼？", "到 https://accounts.google.com/signin/recovery 按照提示進行密碼重設。"),
    ("什麼是兩步驟驗證？", "前往帳戶安全設定頁面，開啟「兩步驟驗證」並設定手機或安全金鑰。"),
    ("Google 相簿容量不夠怎麼辦？", "可以購買 Google One 擴充空間，或刪除不需要的照片與影片。")
]

evaluate_responses(test_data)