今天是鐵人賽的第 15 天，賽程正式過半，回顧前半段，我們從最初熟悉平臺與提示詞工程，到正式啟動 Dev-Advisor（開發諮詢助手）專案，逐步搭建出包含內部知識庫RAG檢索與外部DuckDuckGo聯網搜尋的雙軌工作流。

在先前的聯網實測中，我們發現將使用者的口語化提問直接傳入搜尋引擎時，容易檢索出混雜非核心關鍵字的技術文件與雜訊。今天我們主要完成兩件事：在工作流中正式加入「查詢改寫（Query Rewrite）」節點以優化搜尋品質，並對前半段架構進行復盤與後續規劃。

一、 查詢改寫節點實作
為了讓搜尋引擎能接收到更精確的關鍵字，我們調整了下半部的外部諮詢管線：

• 原始管線：問題分類器 -> DuckDuckGo Search -> LLM2
• 調整後管線：問題分類器 -> LLM3（查詢改寫器） -> DuckDuckGo Search -> LLM2

1. 跨語言檢索設計策略
   在技術諮詢場景中，官方第一手技術文檔、Release Notes與Issue討論大多為英文。若直接以使用者的中文口語去搜尋，常會檢索到二手轉載或過時資訊。因此，我們為LLM3設定的核心策略是「跨語言提煉」：允許使用者以熟悉的中文口語隨意提問，由LLM3自動翻譯並濃縮為純英文技術關鍵字交給DuckDuckGo，最後再由後端的LLM2整合並以流暢的繁體中文輸出。

2. 節點配置與提示詞設定
   在問題分類器與搜尋節點之間新增一個名為LLM3（查詢改寫器）的節點：

• 模型選用：選用反應速度快且資源消耗較低的 Gemini 3.5 Flash-Lite，專門處理關鍵字提煉任務
• SYSTEM PROMPT 設定內容如下：

你是一個精準的搜尋引擎關鍵字提煉工具。
請分析使用者的技術問題，提煉出最適合搜尋引擎（如 DuckDuckGo/Google）的 2 到 4 個核心關鍵字。

【規則】
1. 輸出必須以英文核心詞為主（搜尋引擎對英文技術關鍵字的檢索品質最佳）。
2. 徹底過濾所有問句、禮貌用語及多餘文字（例如：「請查一下」、「有哪些」等）。
3. 嚴格禁止任何開場白、結尾說明、標點符號或 Markdown 引號。
4. 輸出範例：Python latest stable release features

• USER 訊息：透過面板上的「+ 新增消息」建立 USER 區塊，並透過變數引用綁定最前端的 開始 / query，確保改寫器能讀取使用者輸入的原始題目

3. 搜尋變數重新綁定進入
   DuckDuckGo Search節點，將Query string欄位的變數來源由原本的使用者輸入改為綁定 LLM3 / text。
   此後，搜尋引擎接收到的將會是經過改寫器提煉後的純淨英文檢索關鍵字。

二、 實作除錯紀錄

在本次節點調整過程中，我們記錄了以下幾項問題與解決方式：

1. API 高負載錯誤（503 UNAVAILABLE）
   當工作流連續觸發多個相同模型節點時，偶爾會碰上 Google API 伺服器的高峰排隊限制。將負責關鍵字提煉的節點替換為較輕量的 Flash-Lite 版本，有助於降低請求延遲與負載。

2. 缺少USER變數導致關鍵字偏離
   初期測試時，DuckDuckGo 回報無搜尋結果，檢查日誌後發現送出的檢索詞竟為search engine keyword extraction tool。原因在於節點僅有SYSTEM指示而未加入USER訊息輸入，導致模型把提示詞內容本身當成輸出。在面板中手動新增USER框並綁定 開始 / query 後，模型便能正確針對使用者提問提煉關鍵字。

3. 模型邊界約束驗證
   在搜尋結果不相關的除錯階段，LLM2嚴格依照提示詞約束，直接回報現有資料中不包含目標資訊而非自行捏造，驗證了系統提示詞的防護機制有效。

三、 執行結果驗證

修正完成後，使用相同題目進行測試：

輸入問題：
請查一下目前 Python 最新穩定版本（Stable Release）是哪一版？有哪些主要亮點？

輸出結果：
經過LLM3改寫為純淨英文關鍵字並檢索後，系統成功抓取到相關資訊並整理輸出：
根據最新的參考資料，目前 Python 的最新穩定版本系列為 Python 3.14（最新的維護版本為 3.14.7）。
Python 3.14 主要穩定版本於 2025 年 10 月 7 日正式發布，包含語言語法、執行階段實現及標準庫的多項改進。

主要亮點與新特性：

1. 無鎖線程模式（Free-threaded mode）：進一步優化多執行緒並行處理能力
2. JIT 編譯器（JIT Compiler）：導入即時編譯技術以提升程式執行效能
3. 延遲註解（Lazy Annotations）：優化型別標註（Type Annotations）的處理機制
4. 現代化彩色 REPL（Modern Colorized REPL）：提供帶有色彩強調與現代化互動體驗的控制台介面

實測結果顯示，加入查詢改寫後，檢索結果不再受到口語冗詞干擾，資訊抓取的精確度明顯提升。

四、 前半段成果復盤與後續規劃

回顧 Day 1～15，Dev-Advisor 已經建立了基本運作原型：

• 具備區分內部規範與外部問題的分流能力
• 能透過 RAG 機制檢索內部標準文件
• 具備外部搜尋與查詢改寫的前置處理能力

但現有架構仍有需要進一步優化之處：

1. 流程過於固定：目前分支屬於硬編碼邏輯，若遇到需要同時參照內部規範並比對外部新技術的複合問題，單一路徑無法有效處理
2. 缺乏多輪記憶：目前為單次問答結構，無法延續上下文進行連續追問
3. 未串接外部介面：目前功能仍侷限於平臺畫布內測試，尚未向外提供服務介面

後續 15 天（Day 16～30）的規劃重點：

• 評估並導入Agent模式，嘗試讓模型自主決定工具調用時機
• 加入多輪對話記憶（Memory）機制，支援上下文連續諮詢
• 規範回覆中的來源標註（Source Attribution）格式
• 透過API串接外部介面，將Dev-Advisor整合至實際應用環境中

五、 今日小結

今天我們在Dev-Advisor中完成了查詢改寫節點的建立與除錯，解決了口語搜尋帶來的雜訊問題，並驗證了前置處理對檢索品質的改善效果。