- LINE Bot 智能對話：接收使用者訊息，利用 Ollama (Llama 3 / gpt-oss:20b) 生成專業、具實踐性的回應
- 文件檢索增強 (RAG)：整合本地專案文件與程式碼，透過 ChromaDB 與 SentenceTransformers 進行檢索增強生成，提供更準確的答案
- 警報接收與通知系統：即時接收設備發送的異常警報 (透過 REST API)，自動通知相關訂閱人員
- 多語言支援：支援繁體中文、簡體中文、英文、日文與韓文等多種語言
- 事件系統：實作輕量級事件發布/訂閱系統，解耦模組間的依賴
- 資料分析與儲存：使用 SQL Server 資料庫儲存對話歷史、使用者偏好與設備監控資料
- 管理後台：提供系統監控與管理功能，包括使用統計、對話記錄查詢等
- Python 3.11：主要開發語言
- Flask：輕量級網頁框架
- LINE Bot SDK v3.x：處理 LINE 訊息互動
- Ollama：本地運行的大型語言模型 (Llama 3 / gpt-oss:20b)
- SQL Server (pyodbc)：關聯式資料庫管理系統
- ChromaDB：向量資料庫，用於 RAG 知識庫儲存
- SentenceTransformers：用於生成語意向量 (Embedding)
- Flask-Talisman：網頁安全增強
- Vanna：(選用) 文字轉 SQL 工具
- Docker：容器化部署
- GitHub Actions：CI/CD 自動化工作流程
.
├── app.py # Flask 應用程式進入點
├── src/ # 主要源碼
│ ├── __init__.py # Python 包初始化
│ ├── routes/ # 路由模組 (Blueprints)
│ │ ├── admin.py # 管理後台路由
│ │ ├── alarm.py # 設備警報 API 路由
│ │ └── ...
│ ├── services/ # 業務邏輯模組
│ ├── utils.py # 工具函數
│ ├── config.py # 集中式配置管理
│ ├── main.py # 核心邏輯與 Ollama 服務
│ ├── rag.py # RAG 檢索增強生成邏輯 (ChromaDB + SentenceTransformers)
│ ├── linebot_connect.py # LINE Bot 事件處理
│ ├── reply.py # LINE 訊息回覆與指令處理
│ ├── database.py # 資料庫操作
│ ├── analytics.py # 數據分析模組
│ ├── event_system.py # 事件發布/訂閱系統
│ └── initial_data.py # 初始資料生成
├── rag_db/ # ChromaDB 向量資料庫儲存目錄
├── templates/ # HTML 模板
├── .github/workflows/ # GitHub Actions 設定
├── Dockerfile # Docker 配置
├── requirements.txt # 相依套件列表
└── Documentary.md # 詳細專案文件
請建立 .env 檔案並設定以下環境變數：
# 一般設定
FLASK_DEBUG=False
PORT=5000
# HOST=127.0.0.1 (非必要，視部署環境而定)
SECRET_KEY=your_secret_key
SECRET_KEY_FILE=data/secret_key.txt
VALIDATION_MODE=strict # strict 或 loose，決定環境變數驗證失敗時是否終止程序
# Ollama 設定 (本地 AI 模型)
OLLAMA_HOST=120.105.18.33
OLLAMA_PORT=11434
OLLAMA_SCHEME=http # 預設 http
OLLAMA_MODEL=gpt-oss:20b
OLLAMA_TIMEOUT=30.0
# LINE Bot API
LINE_CHANNEL_ACCESS_TOKEN=your_line_channel_access_token
LINE_CHANNEL_SECRET=your_line_channel_secret
# 資料庫設定 (SQL Server)
DB_SERVER=localhost
DB_NAME=Project
DB_USER=your_db_user
DB_PASSWORD=your_db_password
DB_ODBC_DRIVER=ODBC Driver 17 for SQL Server # 若安裝 msodbcsql18 可改為 "ODBC Driver 18 for SQL Server"
# 管理後台
ADMIN_USERNAME=admin_username
ADMIN_PASSWORD=admin_password
系統使用 ChromaDB 與 SentenceTransformers (paraphrase-multilingual-mpnet-base-v2) 自動將專案中的文件與資料庫內容載入為知識庫。
可依需求透過以下環境變數調整行為：
ENABLE_RAG：是否啟用檢索功能（預設為true）ENABLE_RAG_DB：是否啟用資料庫內容同步至知識庫（預設為true）RAG_SOURCE_PATHS：自訂知識庫來源路徑，使用作業系統的路徑分隔符號分隔多個路徑RAG_CHUNK_SIZE：切分文件時的片段大小（預設 500）RAG_CHUNK_OVERLAP：片段重疊字元數（預設 100）RAG_DB_TOP_K：檢索時包含的資料庫記錄數量（預設 3）RAG_TOP_K：每次檢索返回的總片段數量（預設 3）RAG_MIN_SCORE：相似度門檻值（預設 0.4）RAG_MAX_CONTEXT_CHARS：RAG 上下文最大字元數（預設 2500）
pip install -r requirements.txtpython app.py註：直接執行
app.py預設監聽 PORT 443 (若權限允許) 或可透過環境變數指定。
docker build -t line-bot-project .
docker run -p 5000:5000 --env-file .env line-bot-projectDocker 映像檔採用官方 Python 3.11-slim 為基礎，並實作以下安全最佳實踐：
- 使用非 root 用戶運行應用程式
- 移除不必要的套件以減少攻擊面
- 適當設定檔案權限
- 一般對話：直接輸入問題，AI 將生成回應
- 設備狀態：輸入「設備狀態」或「機台狀態」查看所有設備概況
- 設備詳情：輸入「設備詳情 [設備名稱]」查看特定設備的詳細資訊
- 訂閱設備：輸入「訂閱設備」查看可用設備列表並進行訂閱
- 我的訂閱：輸入「我的訂閱」查看已訂閱的設備
- 語言設定：輸入「language:語言代碼」更改語言 (例如「language:en」切換至英文)
- 幫助選單：輸入「help」或「幫助」查看功能選單
- 訪問
/admin/login進行登入 - 查看系統統計資料、近期對話與設備狀態
- 可檢視個別使用者的完整對話歷史
- 系統提供 REST API 接收外部設備的警報資料 (POST
/alarms) - 支援接收設備解決訊息 (POST
/resolvealarms) - 當接收到異常警報時，依據嚴重程度自動發送 LINE 通知給訂閱該設備的使用者
- 支援設備詳情查詢功能，可即時查看設備最新指標與未解決警報
- 使用發布/訂閱模式解耦各模組間的直接依賴
- 允許不同模組對相同事件進行響應
- 通過
event_system.subscribe()註冊事件處理函數 - 使用
event_system.publish()發布事件到系統
本專案使用 GitHub Actions 自動化下列流程：
- 安全性掃描：使用 Bandit 與 Safety 檢查程式碼與相依套件漏洞
- 測試：執行單元測試與程式碼品質檢查
- 建置與部署：建置 Docker 映像檔並發布
- 部署後安全掃描：使用 Trivy 掃描容器映像檔
本專案實作多層次安全防護：
- API 金鑰與敏感資訊透過環境變數管理
- 使用 Flask-Talisman 實作內容安全政策(CSP)
- 輸入驗證與清理，防止潛在攻擊
- 非 root 使用者運行 Docker 容器
- 實作請求速率限制，防止暴力攻擊
- LINE 簽名驗證失敗：檢查 LINE_CHANNEL_SECRET 設定
- Ollama 連線異常：確認 OLLAMA_HOST 與 OLLAMA_PORT 設定，並確保 Ollama 服務已啟動且模型 (gpt-oss:20b) 已下載
- 設備監控問題：確認資料庫連線正常，並確認外部設備是否正確發送 POST 請求至
/alarms
更多詳細資訊，請參閱專案中的 Documentary.md