本週完成成果
你會建立一個小型在地知識庫，把文件切成可追蹤片段、加入 Chroma collection，再用問題找回最相關片段；回答必須附來源，不讓模型憑空補完。
完成標準｜個人 ChromaDB 測試可加入並查詢三筆公開文件；小組 RAG 流程保留來源 ID、拒答條件與資料分級；不使用個資、NDA 或同學作業。
課前準備
步驟 1｜資料分級：只選三份可公開、可授權使用的短文件，例如課程公開說明、自製 FAQ、公開校規節錄。
預期結果｜每份文件記錄標題、URL／來源、日期與授權；敏感資料不進測試。
步驟 2｜Codespaces：建立隔離資料目錄，確認它不會被誤提交大型索引。
mkdir -p codes/rag/data codes/rag/chroma
printf "codes/rag/chroma/
" >> .gitignore預期結果｜向量索引在忽略清單；可重建的資料庫不進 Git。
步驟 3｜Codespaces：核對 requirements 與磁碟，再安裝本週鎖定版本。
df -h .
python -m pip install -r courseware/gs3073-b/requirements-week12.txt預期結果｜ChromaDB 可 import；不以全域 pip 隨機升級。
第三小時｜個人技術實作
故事開始｜期末考前問同學「老師有沒有說報告頁數？」同學先翻課程公告再回答，比憑印象可靠。RAG 就像先到自己的資料櫃找相關頁面，再把找到的內容交給模型整理。
老師先問｜把文件放進向量資料庫後，答案就一定正確嗎？不是。檢索可能找錯片段，原始文件也可能過期；所以要顯示來源、分數與查閱日期。
生活比喻｜Chroma collection 像一個有索引的抽屜；chunk 是抽屜裡有編號的小卡；query 是拿問題去找最相近的卡，而不是直接產生答案。
先看全程地圖｜先看懂資料與決策怎麼移動，再開始操作。圖中的箭頭代表下一步，不代表可以跳過人工確認。
┌──────────┐ → ┌──────────┐ → ┌──────────┐
│ 核准文件 │ │ 切片＋來源ID│ │ Chroma 索引│
└──────────┘ └──────────┘ └────┬─────┘
↓
┌──────────┐ ← ┌──────────┐ ← ┌──────────┐
│ 附來源回答│ │ 足夠才回答│ │ 問題檢索 │
└──────────┘ └──────────┘ └──────────┘步驟 4｜個人：建立記憶體內 Chroma client，加入三筆自製公開文字。
import chromadb
client = chromadb.Client()
collection = client.get_or_create_collection('course-faq')
collection.upsert(
ids=['faq-1', 'faq-2', 'faq-3'],
documents=['期中發表包含 Pitch 與 Demo。', 'API key 不得提交到 GitHub。', '課後作業需保留 commit。'],
)
print(collection.count())預期結果｜week12_chromadb_test.py 顯示 3；重跑不會因相同 ID 無限增加。
步驟 5｜個人：用問題檢索兩筆結果，印出 ID、文字與距離。
result = collection.query(query_texts=['金鑰可以上傳嗎？'], n_results=2)
print(result['ids'][0])
print(result['documents'][0])
print(result['distances'][0])預期結果｜第一筆應接近 API key 規則；若不是，記錄實際結果，不手改輸出。
步驟 6｜小組：在 codes/rag 定義文件 manifest，讓每個 chunk 都能回到來源。
- id: faq-2
title: W2 安全規則
source: course-material
accessed_on: 2026-08-04
sensitivity: public
text: API key 不得提交到 GitHub。預期結果｜每筆有穩定 ID、來源日期與敏感度。
步驟 7｜小組：設計拒答：找不到足夠相關來源時，回答「目前資料不足」並列出可查位置。
預期結果｜不要求模型用常識補一個看似合理的答案。
課堂收束｜把回答中的每一句重點指回來源卡片。指不回去的句子就刪除、改成推測標記，或回覆資料不足。
指定閱讀與課後作業
指定閱讀｜依課綱完成個人 ChromaDB 增加與檢索測試；collection、ID、upsert 與 query 以 Chroma 官方 Getting Started 為準。
課後作業方向｜個人繳交小型測試；小組在 feat-rag 分支完成「讀取文件→切片→寫入 Chroma→查詢→把結果交給模型」骨架，只使用公開安全資料。
步驟 8｜個人：為三筆文件加入來源 metadata，查詢時一併顯示。
預期結果｜結果能指出 source 與 accessed_on。
步驟 9｜小組：提交 codes/rag 程式與 README，不提交 chroma 資料庫本體。
git add week12_chromadb_test.py codes/rag .gitignore README.md
git commit -m 'W12: build source-traceable local retrieval'
git push -u origin HEAD預期結果｜Repo 包含重建方式、來源 manifest、拒答規則，不含敏感文件或索引。
驗收方式
python week12_chromadb_test.py
git check-ignore codes/rag/chroma || true
rg -n "source|accessed_on|資料不足" codes/rag README.md通過條件｜三筆文件可 upsert／query；結果附來源；索引被忽略；低相關時拒答；資料全為公開安全。
應提交的 Repo 檔案
必交｜week12_chromadb_test.py、codes/rag/。只提交課綱指定成果與重現所需說明；不得提交 API key、個資、私人對話、未授權資料或大型模型檔。
常見問題與排除
問題 1｜重跑後重複資料：使用穩定 ID 與 upsert，不用每次產生隨機 ID。
問題 2｜第一次 embedding 下載失敗：依教師準備環境或固定模型處理，不改用未知外部服務上傳文件。
問題 3｜查到不相關內容：檢查 chunk 太長／太短、查詢語句與 n_results，並保留失敗案例。
引用資料
國立中央大學授課課綱／劉書銘老師，《劉書銘老師課程大綱_基礎模型與生成式人工智慧-更新版.pdf》；教師提供附件。用途：W1–W16 時段、實作主題、評量與交付物。
Chroma，《Getting Started》；https://docs.trychroma.com/docs/overview/getting-started；查閱日期：2026-08-04。用途：W12 collection、document、ID、query 與本機向量檢索。
Python Software Foundation，《JSON encoder and decoder》；https://docs.python.org/3/library/json.html；查閱日期：2026-08-04。用途：W6 JSON 讀取、解析與輸出。