一、 前言
在前面幾天，我們陸續完成了單一講義解析、隨堂考、番茄鐘與知識圖譜。但在實際學期中，學生的講義往往散落成數十個 PDF 檔案。今天，我們要導入 RAG（檢索增強生成）概念，透過 Gemini File API 支援 accept_multiple_files=True，讓使用者能同時上傳多份講義，並針對整個學科知識庫進行跨檔案的智慧問答！
二、 核心技術與實作亮點
1.多檔案批次上傳與物件打包：
利用 Streamlit 的多檔案上傳元件，迴圈批次寫入暫存並透過 Gemini SDK 上傳生成多個檔案物件。
2.多模態上下文組合（Context Injection）：
將多份檔案物件與使用者提出的問題結合成一個 contents 陣列，一次傳遞給 Gemini 模型，實現強大的跨文獻推理與檢索能力。
3.學科全盤整合：
突破單一檔案的限制，讓學生能夠對比不同章節、不同講義之間的異同，直擊考試核心。
三、實作
在pages/ 資料夾中，新增一個新檔案並命名為：06_📚_智慧講義問答.py

在terminal輸入:"streamlit run app.py"
四、成果展示

五、結語
今天我們成功讓 AI 學生助手升級為具備 RAG 能力的智慧知識庫！