系列：30 天用 Google AI 打造臺灣防災速報 App（Day 11/30）

「地震時人在浴室怎麼辦？」這類問題不能讓模型憑印象回答，要根據官方的防災指引。做法叫 RAG（Retrieval-Augmented Generation，檢索增強生成）：先從一份自己準備的資料裡找出相關段落，再請模型只根據這些段落回答。這份資料就是知識庫。

RAG 分兩天做。今天做第一步：把知識庫的內容整理出來。

資料來源：三個官方網站

災後心理這一類是刻意放進來的。地震過後睡不著、一直害怕，也是防災的一部分，知識庫不能只教身體怎麼躲。

授權先確認。 這三個網站的頁尾都有「政府網站資料開放宣告」，內容大致相同：網站上的資料可以無償重製、改作、編輯、公開傳輸，也可以拿來開發產品或服務，不必另外申請，條件是註明出處；機關標誌、商標，以及特別聲明需經同意的影音圖像不在開放範圍內。所以知識庫的每一塊都要帶著來源名稱和原始網址，App 回答時一起顯示。

整理的方式：寫成重點，不照抄全文

我沒有把官方頁面的文字整段複製進來。做法是請 AI 讀過每一頁之後，依照頁面的內容整理成重點，步驟和數字都不能改，頁面沒寫的不能加，再由我逐塊核對。原因有三個：網頁原文夾雜導覽列和排版用的文字；同一個情境的內容有時分散在頁面各處；整理過的段落長度比較接近（都在兩百多字以內），檢索的效果比較穩定。

每一塊的樣子：

{
  "id": "kb06",
  "text": "地震時人在浴室或正在洗澡：浴室地面濕滑，不要急著離開，慌亂衝出去容易滑倒。正在泡澡時不要急著跳出浴缸，把頭壓到低於浴缸邊緣，用雙手或臉盆護住頭頸。留意鏡子，以及櫃子、置物架上的物品掉落。",
  "source": "內政部消防署消防防災館",
  "url": "https://www.tfdp.com.tw/cht/index.php?code=list&flag=detail&ids=52&article_id=118",
  "topic": "地震",
  "scenario": "浴室、洗澡中",
  "region": "TW",
  "fetched": "2026-09-21"
}

text 以外的欄位稱為中繼資料（metadata，也就是描述這筆內容的資料）。source 和 url 用來顯示出處；topic 和 scenario 在後續把文字轉成一串數字（稱為向量，用來比較兩段文字的意思有多接近）時會一起用上；fetched 是整理的日期，官方頁面改版時可以知道哪些要重新核對。region 目前全部是 TW，這個欄位先留著，之後如果加入其他國家的資料，可以用來區分。

這 29 塊寫在一支 Python 程式裡，執行之後存成 chunks.json，之後的檢索程式直接讀這個檔案。整理完的結果：

29 塊；每塊 68–234 字，平均 125 字
來源：消防防災館 13、中央氣象署 10、衛生福利部 6
主題：地震 21、海嘯 2、災後心理 6

為什麼一個情境切一塊

把長文件切成小段，稱為切塊（chunking）。常見的切法是每隔固定字數切一刀，但防災指引不適合這樣切。

檢索找到哪幾塊，模型就根據那幾塊回答，所以每一塊要保留一個完整的主題，必要時再合併幾塊來回答。防災問題幾乎都是「〔災害〕發生時，人在〔某個地方〕怎麼辦」，官方指引也是照情境寫的。讓切塊的位置配合情境，找到的那一塊剛好就是完整的做法。如果按字數切，可能「趴下、掩護」在這一塊、「穩住」在下一塊，模型只拿到半個答案。

整理過程遇到的四件事

1. 網址會搬家。 搜尋到的消防署頁面「不同情境下避難原則」已經轉址，轉過去的頁面內容也不相干。後來在消防署的子站「消防防災館」找到同一批文章。知識庫裡記的是實際讀到內容的網址。
2. 官方沒寫的，知識庫就沒有。 消防防災館談電梯的那一頁，只說明人在電梯「旁邊」怎麼做，沒有寫受困在電梯裡該怎麼辦。我照實寫進那一塊：「官方這一頁只說明人在電梯旁的情況」。學校、賣場、海邊、山區這幾個情境，這次讀到的頁面也沒有，所以知識庫沒有這幾塊。缺的內容不能自己補，這是整個知識庫最重要的一條規則。
3. AI 寫的句子要回頭核對。 第一版整理完，我逐塊對照來源，發現有兩句是 AI 依常識順手加的，來源頁面沒有寫：「離震央很近的地區來不及預警」和「海嘯接近海岸時才變得高大」。兩句都刪掉了。內容也許沒有錯，但知識庫的每一句話都必須在來源裡找得到。
4. 有一頁讀不到內容。 衛福部心理健康司的 1925 專頁，程式讀到的只有選單和標題。1925 的說明改用衛福部另一頁介紹安心專線的內容，知識庫裡記的是那一頁的網址。

目前的範圍與限制

這份知識庫只涵蓋地震、海嘯和災後心理，共 29 塊。颱風、豪雨、土石流、火災都還沒有。原本規劃要放的日本防災資料，這次也沒有收錄，先把臺灣官方的資料做好。之後擴充颱風、豪雨、土石流、火災這幾類時，再一併評估要收錄哪些日本資料，用來補臺灣指引沒有寫到的細節（例如居家防災儲備清單），收錄的每一塊都會標示是日本資料。

範圍小在這個階段是好事：進入檢索階段時，可以直接測試「問了知識庫沒有的問題，系統會怎麼回答」。

今日小結

• 知識庫來自三個官方網站，共 29 塊，每塊都帶來源名稱與原始網址；三個網站都有政府網站資料開放宣告，允許重製與改作，條件是註明出處。
• 內容依官方頁面整理成重點，不照抄全文；一個情境切一塊，讓檢索到的那一塊就是完整的答案。
• 官方沒寫的不補；AI 順手加的兩句話，核對之後刪掉。

明天 Day 12 把這 29 塊變成可以搜尋的向量，並測試它回答問題的表現。