一、前言

在過去幾天中，我們在知識庫模組完成了一連串的扎實準備：

1. 上傳了課堂的 FHIR PDF 講義（Day 7）。
2. 將切得過碎的388塊成功收斂調優為結構完整的41塊切片（Day 8）。
3. 透過檢索測試（召回測試），確認了系統能精準命中講義中的專有名詞與核心概念（Day 9）。
   萬事俱備，現在只差最後一步——「把外接大腦接上對話實體」！今天我們就要回到「工作室（Studio）」，把調校完成的知識庫加入聊天助手（Chatbot）的上下文中，打造出第一個真正能「邊翻講義邊陪你複習」的醫資課堂讀書小幫手！

二、核心觀念：什麼是上下文（Context）？

在 Dify 的聊天助手架構中，「上下文」就像是給 AI 參考的開卷考試參考書：

• 未綁定上下文：AI 只能依賴模型原本預先訓練好的通用網路資料作答，遇到老師自編的投影片或最新規範容易產生幻覺。
• 綁定上下文：當我們在工作室中將知識庫加入「上下文」後，系統每次在回答前，都會先根據使用者的問題去翻閱知識庫，並將檢索到的講義片段與提問一起餵給模型，實現真正的 RAG（檢索增強生成）。

三、實作步驟：將知識庫綁定至聊天助手

1. 進入工作室打開 Chatbot
   登入 Dify Cloud，點選左側導覽列的「工作室（Studio）」。
   點進在 Day 4 建立的聊天助手應用
   

2. 新增「知識檢索」節點
   將滑鼠移到中間畫布上「開始」節點與「LLM」節點之間的連線上，會浮現一個藍色小加號「＋」。
   在跳出的節點清單中，點選「知識檢索」。
   畫布上會新增出一個綠色的知識檢索節點。
   

3. 綁定 FHIR 講義知識庫
   點擊剛新增的「知識檢索」節點。
   在右側彈出的設定面板中，找到「知識庫」項目並點擊「＋ 添加」。
   勾選我們先前切分調優好的講義知識庫（41 塊切片的版本），點擊確認完成綁定。
   

4. 將檢索結果接進 LLM 的「上下文（CONTEXT）」
   確保中間畫布的節點順序連線為：【開始】➔【知識檢索】➔【LLM】➔【直接回覆】。
   點擊「LLM」節點打開右側面板。
   將右側面板中找到「CONTEXT（上下文）」欄位。
   點擊「上下文」旁的「＋」或變數選取器，選擇知識檢索 / result（將檢索到的講義內容傳入模型）。
   

5. 發佈更新與提問實測
   設定完成後，點擊右上角藍色的「發佈」➔「更新」使工作流生效。
   點擊右上角「預覽」開啟右側聊天視窗。
   輸入講義專屬問題進行測試（例如：「請說明 HL7 FHIR 的主要特點是什麼？」）。
   驗收成效：

   • AI 回答完全依據投影片講義的內容條列作答。
   • 完美展現了我們在 Day 5 設定的助教口吻（粗體標記、深入淺出、結構清晰）！
     

四、實戰心得：從單純對話到真正落地

在把「知識檢索」節點串進 Chatflow 的瞬間，這隻機器人就從一個「愛哈拉的通用模型」，正式蛻變為「專屬於我的醫資隨身助教」！
過去讀長篇簡報遇到不懂的縮寫，都要逐頁翻找；現在只要在右側對話框隨手一問，AI 就能在幾秒內把講義核心提煉出來，複習效率直接翻倍。