學習歷程與收穫

• Day 1–10：從理解到實作
  最開始的挑戰，是搞懂「文字如何變成數字」。
  我用上了 sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 這個模型，
  它能處理中文的語意相似度，讓系統知道「退貨」和「申請退貨」其實是一樣的意思

• Day 11–20：讓它更聰明、更好用
  中期的重點是「優化」。
  我開始研究 Top-k 檢索、閾值設定、Chunking 長文件切割。
  後來還用 Gradio 做出簡單 UI，讓整個系統看起來不只是程式，而是一個真的聊天機器人。
  我也測試了不同模型：

• flan-t5-small

• flan-t5-base
  兩者在回答的「完整度」上有明顯差異，
  從這裡我學到，模型大小不等於效果一定更好，重點是要搭配資料特性去選。

• Day 21–29：讓它成為真正的產品
  後期我開始加入「記憶」功能，
  使用 SQLite 記錄使用者與機器人的對話，讓聊天更連貫。
  接著建立一份 測試報表（test_report.csv），
  用 20 筆問題自動比對答案是否包含關鍵詞，計算主觀正確率。

最後撰寫 README.md，
包含：

• 安裝步驟
• 執行方式
• 更新 FAQ 的教學
  到這裡，我的 Chatbot 就從實驗專案 → 變成一個真的可 Demo 的應用。

技術挑戰與突破