✏️【本日實作紀錄：搭建 Python 虛擬環境與第一個 Flask RESTful API】

今天進入後端程式碼實作階段。完成的項目包含：

1. 建立 Python 獨立虛擬環境（venv） — 隔離專案套件，提供 Mac 與 Windows 跨平台開發時一致的執行沙盒。
2. 撰寫需求清單（requirements.txt） — 定義 Flask、Google GenAI SDK、gTTS 等核心依賴套件。
3. 實作 Flask 健康檢查 API 端點（app.py） — 建立 ping 端點，驗證 JSON 回傳機制與網路連線狀態。

一、 為什麼需要 Python 虛擬環境與 requirements.txt？

在多模態 AI 與 Web 後端開發時，常需要安裝許多第三方套件。直接安裝在系統全域容易引發套件版本衝突，且將專案從 Mac 轉移到 Windows 時會遇到環境相容性問題。

Python 內建的 venv 模組能為 PrescriptionVLM 建立獨立的運行沙盒。搭配 requirements.txt，無論 Mac 或 Windows 環境，只需執行單一指令就能還原所有依賴套件。

二、 開發步驟與終端機實作

開啟 Terminal (Mac) / PowerShell (Windows)

建議使用 Visual Studio Code 開發，其內建終端機能自動切換目錄並載入虛擬環境。
🔗 https://code.visualstudio.com/Download

❗️開啟終端機後要確保路徑在 PrescriptionVLM 資料夾❗️

步驟一：建立並啟動虛擬環境

進到VSCode裡，打開 PrescriptionVLM 資料夾，開啟底下的終端機建立虛擬環境：
📌（Ctrl+~可以啟動終端機）

Mac / Linux

python3 -m venv venv

Windows

python -m venv venv

啟動虛擬環境：

Mac / Linux

source venv/bin/activate

Windows (PowerShell)

venv\Scripts\activate

啟動後，終端機提示字元前方出現 (venv) 即代表成功進入獨立環境。

步驟二：撰寫 requirements.txt 並批量安裝

在專案根目錄下新建 requirements.txt 檔案，寫入開發所需的核心套件：

Flask==3.0.3
google-genai==1.75.0
gTTS==2.5.1
python-dotenv==1.0.1
requests==2.32.3
Pillow==10.4.0

於終端機執行批量安裝（雙平台通用）：

pip install -r requirements.txt

步驟三：編寫 Flask RESTful API 核心檔案（app.py）

在專案根目錄下新建 app.py 檔案，撰寫服務啟動與 Health Check 端點邏輯：

from flask import Flask, jsonify

# 初始化 Flask 應用程式
app = Flask(__name__)

@app.route('/', methods=['GET'])
def index():
    """根目錄健康檢查端點"""
    return jsonify({
        "status": "success",
        "message": "Welcome to PrescriptionVLM Backend API!"
    }), 200

@app.route('/ping', methods=['GET'])
def ping():
    """提供前端測試網路連線的輕量化 API 端點"""
    return jsonify({
        "status": "online",
        "service": "PrescriptionVLM Engine",
        "version": "1.0.0"
    }), 200

if __name__ == '__main__':
    # 開發環境下啟動於 5000 埠口，並設定 debug=True 便於即時排錯
    app.run(host='0.0.0.0', port=5000, debug=True)

三、 API 測試與成果驗證

在啟動虛擬環境的狀態下執行（雙平台通用）（Ctrl+C 可取消執行app.py）：

python app.py

開啟瀏覽器或 Postman 訪問 http://127.0.0.1:5000/ping 或 http://localhost:5000/ping 得到以下 JSON 回應，代表後端 RESTful API 伺服器已成功運行：

{
  "service": "PrescriptionVLM Engine",
  "status": "online",
  "version": "1.0.0"
}

將新增與修改的程式碼提交至 GitHub：

git add .

git commit -m "保留雙引號 改填寫自己要記錄的標記 ex.鐵人賽第三天"

❗️第一次推送至遠端要打這串❗️

git push -u origin main

之後要推送改打這串即可（本章節暫時無需執行此指令）

git push

四、 本日小結與明日預告

今天完成 Python 後端跨平台開發環境建置，並運行第一個 Flask API 端點。

明天（Day 04），整合 Google Gemini API Key，在 Python 端實作 Google VLM 多模態視覺語言模型的調用邏輯，驗證傳入藥袋照片並讓 AI 解析文字內容。

💡 補充技巧：公用電腦/實驗室環境開發

若你使用的開發設備為學校實驗室或公用電腦，為避免覆蓋全域 Git 設定，可使用 --local 參數進行專案區域設定：

僅作用於當前專案，不影響全域設定

git config --local user.name "保留雙引號 打你的GitHub名稱"

git config --local user.email "保留雙引號 打你的GitHub郵件"

若推送時遇到舊帳號憑證衝突（403 Permission Denied），亦可將 remote URL 強制指定帳號：

git remote set-url origin https://<YOUR_USERNAME>@[github.com/](https://github.com/)<YOUR_USERNAME>/<YOUR_REPO>.git