🚀

快速部署 RAG 平台

Part 2：10-15 分鐘完成部署，立即體驗 RAG 效果

虛擬環境安裝套件啟動伺服器實際測試

🎯 本單元目標

跟著步驟做，10-15 分鐘就能看到成果！

Step 1

確認專案檔案位置

Step 2

建立 Python 虛擬環境

Step 3

安裝必要套件

Step 4

啟動 Flask 伺服器

Step 5

設定 API Key

Step 6

匯入知識庫並測試

先看到效果，再了解原理！

Step 1：確認專案檔案位置

首先確認你已經有專案檔案，應該在以下路徑：

專案路徑

D:\自己架設AI_零基礎到大師\CH3_打造RAG知識庫問答平台\

📁 你應該看到這些檔案：

app.py - Flask 後端主程式
requirements.txt - 套件清單
README.md - 說明文件

templates/ - 網頁模板
static/ - CSS、JS
data/ - 範例知識庫

確認完畢？ 接下來建立虛擬環境！

Step 2：建立並啟動虛擬環境

虛擬環境是 Python 專案的獨立空間，避免套件版本衝突。

📌 Windows 用戶

切換到專案資料夾

cd D:\自己架設AI_零基礎到大師\CH3_打造RAG知識庫問答平台

建立虛擬環境

python -m venv venv

啟動虛擬環境

venv\Scripts\activate

成功標誌：看到提示符號前面出現 (venv) 就表示成功！

Step 2：macOS / Linux 用戶

切換到專案資料夾

cd ~/自己架設AI_零基礎到大師/CH3_打造RAG知識庫問答平台

建立虛擬環境

python3 -m venv venv

啟動虛擬環境

source venv/bin/activate

小提醒：每次開啟新的終端機視窗，都要重新啟動虛擬環境！

Step 3：安裝必要套件

確認虛擬環境已啟動（看到 (venv)），然後執行：

安裝所有套件

pip install -r requirements.txt

⚠️ 重要提醒：
首次安裝會下載 AI 模型（約 400MB），需要 5-10 分鐘，請耐心等候！

📦 安裝的主要套件

flask

網頁框架

openai

OpenAI API

google-generativeai

Gemini API

sentence-transformers

向量嵌入核心

Step 4：啟動 Flask 伺服器

套件安裝完成後，只需一行指令就能啟動！

啟動伺服器

python app.py

成功畫面：

 * Serving Flask app 'app'
 * Debug mode: on
 * Running on http://127.0.0.1:5001
Press CTRL+C to quit

📌 小提醒：

終端機會保持運行狀態，不要關閉
按 Ctrl+C 可以停止伺服器

Step 5：開啟網頁介面

保持終端機運行，開啟瀏覽器並輸入：

網址

http://127.0.0.1:5001

🖥️ 你會看到...

主標題

RAG 知識庫 AI 問答平台

功能按鈕

⚙️ 設定、🗄️ 知識庫管理、🗑️ 清空對話

對話區域

中間顯示對話內容

輸入框

下方輸入訊息

Step 6：設定 API Key

點擊右上角 ⚙️ 設定 按鈕，進行以下設定：

1. 選擇 AI 服務

OpenAI 或 Google AI Studio

2. 輸入 API Key

貼上你的 API Key

3. 選擇模型

GPT-4o 或 Gemini 2.0 Flash

4. 選擇角色

建議選「知識庫助理」

⚠️ 最重要！務必勾選：
☑️ 啟用 RAG 知識庫檢索

Step 7：匯入範例知識庫

點擊右上角 🗄️ 知識庫管理 按鈕

點擊 「📤 匯入 CSV/Excel」 按鈕
選擇檔案：data/knowledge_base_example.csv
點擊 「上傳」
等待 「成功匯入 XX 筆資料」 訊息

匯入完成！ 知識庫表格會顯示所有資料，包含問題、答案、分類等欄位。

Step 8：測試 RAG 問答功能！

關閉知識庫管理介面，回到主畫面，試試這些問題：

什麼是 Flask？

RAG 是什麼技術？

Python 虛擬環境有什麼用？

如何學習程式設計？

觀察重點：

AI 回答下方會顯示 📚 參考來源
每個來源都有 相似度百分比
這就是 RAG 的精髓！

🎉 恭喜！你成功部署了 RAG 平台

📚 參考來源區塊包含：

問題：知識庫中最相關的問題
分類：這筆知識的分類
相似度：語意相似程度（%）

⚡ RAG 運作過程：

你的問題 → 轉換成向量
向量搜尋知識庫
找到相關內容給 AI
AI 生成精準回答

這就是 RAG 的魔力！ AI 不再只靠記憶，而是能參考你的專業知識庫。

❓ 常見問題快速排除

❌ 套件安裝失敗

先升級 pip：
python -m pip install --upgrade pip

❌ 網頁打不開

確認終端機顯示 Running on... 且沒關閉

❌ AI 沒用知識庫

確認設定中勾選了「啟用 RAG 知識庫檢索」

❌ 模型下載很慢

正常現象，約 400MB，請耐心等待

📝 Part 2 總結

✅ 完成項目

建立虛擬環境
安裝套件
啟動伺服器
設定 API Key
匯入知識庫
測試 RAG 問答

🎯 學到了

RAG 實際運作效果
參考來源的價值
相似度的意義
知識庫管理基礎

🚀 下一步

Part 3：深入了解向量嵌入與相似度搜尋的原理！