本專案為一套結合語意檢索（Retrieval-Augmented Generation, RAG）與生成式 AI 的智慧型問答系統，針對空氣污染政策、健康影響與環境法規等主題，提供即時、精準且具可查證性的回應。
本版本為原始專案的強化版，新增整合 DuckDNS 免費網域與 Nginx 靜態頁面 + 反向代理部署機制，可於區網外部透過自訂網址（如 http://kmu-rag.duckdns.org）進行存取。
conda env create -f environment.yml
conda activate test2cd frontend
npm install
npm run dev如為部署模式，請執行：
npm run build並確認 dist/ 資料夾內容已更新。
cd backend
conda activate test2
uvicorn main:app --reload後端 Swagger 測試網址：
http://127.0.0.1:8000/docs
- 將前端打包後產生的
dist目錄掛載至 Nginxroot設定目錄 - Nginx 設定中
location /api需反向代理至後端 FastAPI (http://127.0.0.1:8000) - 執行
duckdns_update.bat以自動更新 DuckDNS 的 IP - 確保防火牆開放 80 及 FastAPI 對應 port
npm run build
cd C:\nginx
nginx -s reloadnginx -s stop
start nginxdeploy-safe/
├── backend/ # FastAPI 後端
├── frontend/ # React + Vite 前端原始碼
├── dist/ # 打包後的靜態前端檔案（供 Nginx 部署）
├── duckdns_update.bat # DuckDNS 網域 IP 更新批次檔
├── environment.yml # Conda 環境設定
├── nginx.conf # Nginx 配置檔（若有備份）
├── package.json # 前端專案設定
├── README.md # 本說明文件
| 元件 | 說明 |
|---|---|
| RAG 架構 | 使用 LangChain 整合 Chroma 向量資料庫與本地 LLM 模型（如 Gemma、Qwen） |
| 語意檢索 | 採用 BGE-m3 或 all-mpnet-base-v2 向量模型進行文件嵌入與查詢 |
| 回答生成 | 結合查詢結果與自訂 Prompt，透過本地部署 LLM 生成答案 |
| 後端 API | 使用 FastAPI 撰寫 /api/predict 等推論服務，支援 JSON 格式資料交換 |
| 靜態網頁與反向代理 | 使用 Nginx 提供前端 dist 靜態檔案並轉發 /api 請求至後端 FastAPI API |
| 前端介面 | 使用 Vite 建立的 React 前端，支援提問、回覆呈現與格式化 Markdown |
| 模型部署 | 搭配 Ollama 進行本地 LLM 部署，可支援 Gemma 3B、Qwen 14B 等模型 |
| 免費網域串接 | 使用 DuckDNS 建立自訂網域（如 kmu-rag.duckdns.org），供外部使用者連線 |
| 評估機制 | 可搭配 RAGAS 框架進行忠實度、語意相關性等指標的自動評估 |
| 版本控管 | 使用 Git 控制前後端與部署環境變更，搭配 .gitignore 排除暫存與模型檔案 |
- 長文資料：以標題為單位切割段落，再以語意斷句處理，每段設計 chunk_size 與 overlap 切片後進行向量化。
- QA 文件：完整保留問答對內容，不進行切段，確保回答語境與邏輯一致性。
- 所有文件轉換為結構化 JSON 格式，欄位包含
title、content、doc_id、source等欄位。
🔧 設定上，QA 的文本不進行切割，僅針對長文本進行 chunk 處理。
蔡承紘 Cheng-Hung, Tsai
📧 Email : pijh102511@gmail.com
📍 高雄醫學大學 醫療資訊研究所（AI組）碩士生
若你覺得此專案對你有幫助，歡迎 Star 🌟 或提出 Issue / Pull Request 改進 🙌