- 吳宸宇
- 林富閎
- 葉政毅
- 張承新
Gemini 多模態聊天機器人 — 一個用 Python 打造的 AI 聊天助手，透過 LangChain 串接 Google Gemini 2.5 Flash 模型，能理解文字、圖片、PDF 和文字檔，支援多輪對話記憶，並提供終端機（CLI）與網頁（Chainlit Web GUI）兩種操作介面。
- 🤖 AI 對話：串接 Google Gemini 2.5 Flash 模型，支援繁體中文回應
- 💬 多輪記憶：具備對話上下文記憶，能理解前後文脈絡
- 🖼️ 圖片分析：上傳 JPG / PNG 圖片，AI 自動辨識並描述內容
- 📄 PDF 閱讀：上傳 PDF 檔案，AI 提取文字並進行摘要或問答
- 📝 文字檔處理：上傳 .txt 檔案，AI 分析文字內容
- 💾 對話紀錄：自動將對話歷史儲存為 JSON 格式（含時間戳記與檔案資訊）
- 🌐 Web GUI：透過 Chainlit 提供瀏覽器介面，支援拖曳上傳與串流回應
- ⌨️ CLI 模式：終端機介面，輸入檔案路徑即可分析
將此專案 Clone 到您的本機環境：
git clone https://github.com/您的使用者名稱/您的專案名稱.git
cd 您的專案名稱建議您使用虛擬環境 (Virtual Environment)。然後安裝 requirements.txt 內的所有依賴套件：
pip install -r requirements.txt本機器人使用 Google Gemini 的服務，您需要一組 API 金鑰。
請在專案根目錄下建立一個名為 .env 的檔案，並填入以下內容：
GEMINI_API_KEY=您的_GOOGLE_GEMINI_API_KEY_填在這裡您可以前往 Google AI Studio 免費申請一組金鑰。
執行以下指令，Gradio 會在本機啟動網頁伺服器：
python app.py終端機會顯示一個 Local URL (通常是
http://127.0.0.1:7860/)，請點擊或複製到瀏覽器開啟。
如果您偏好輕量級的命令列輸入，可以執行：
python chatbot.py在終端機模式下支援以下特殊指令：
- 傳送圖片：
/image <圖片本機路徑> <你的提問> - 讀取檔案：
/file <文件本機路徑> <你的提問> - 離開：輸入
exit或quit
請自行建立 .env 檔案，並填入自己的 API key。
範例：
GEMINI_API_KEY=your_api_key_here問題： git 指令無法辨識 — Git 已安裝在 C:\Program Files\Git，但其路徑未加入系統 PATH，導致 PowerShell 找不到 git 指令。
解法： 將 C:\Program Files\Git\cmd 加入使用者環境變數 PATH：[Environment]::SetEnvironmentVariable("Path", [Environment]::GetEnvironmentVariable("Path", "User") + ";C:\Program Files\Git\cmd", "User")
問題： git commit 時出現 Author identity unknown 錯誤 — Git 無法自動偵測使用者身份，拒絕執行 commit。
解法： 使用 git config --global 設定使用者名稱與 Email
林富閎: 這次製作 AI Chatbot 的過程，讓我對人工智慧與程式設計有了更深入的了解。一開始在設計聊天流程時，常常會遇到不知道如何讓機器正確理解使用者問題的困難，但透過不斷測試與修改，我慢慢學會如何調整回應邏輯，讓聊天機器人能更順利地與使用者互動。 在製作的過程中，我也體會到 AI 並不是只要寫好程式就能完成，還需要考慮使用者體驗，例如回應是否清楚、是否能解決問題等。這讓我了解到設計一個好的 Chatbot，需要同時具備技術能力與同理心。 透過這次的專題，我不僅提升了自己的問題解決能力，也對 AI 的應用產生更大的興趣。未來如果有機會，我希望能繼續學習更多人工智慧相關的技術，並嘗試把 AI 應用在更多不同的領域
吳宸宇:
一、LangChain 框架整合
這次實作讓我理解了 LangChain 的模組化設計。透過 ChatGoogleGenerativeAI 串接 Gemini 模型，搭配 HumanMessage、AIMessage、SystemMessage 等訊息物件來管理對話流程，整體架構清晰且易於擴充。特別是多模態的處理方式——將圖片以 Base64 編碼嵌入 HumanMessage 的 content list 中，讓文字與圖片能在同一個訊息中傳遞給模型，這種設計模式值得學習。
學會了三種不同檔案類型的處理策略：
- 圖片：Base64 編碼後以
image_url格式直接傳給 Gemini 視覺模型 - PDF：透過
PyPDFLoader逐頁提取文字，再以文本方式傳入 - TXT：直接讀取內容，並考慮編碼問題（UTF-8 優先、Big5 備援） 這讓我體會到不同資料型態需要不同的前處理方式，而好的架構能讓這些處理邏輯各自獨立、互不干擾。
從 CLI 轉換到 Web GUI，Chainlit 的事件驅動模型（@cl.on_chat_start、@cl.on_message、@cl.on_chat_end）讓整合過程非常直覺。最有收穫的是學會了串流回應（llm.astream() + stream_token()），讓使用者體驗從「等待完整回應」提升到「即時看到文字逐步產生」，這在實際應用中差異很大。
另外，透過 app.py 直接 import chatbot.py 的函式，實現了零重複程式碼的雙介面架構，這是良好的模組化設計實踐。
實際操作中遇到了 Git 路徑未加入 PATH、使用者身份未設定等環境問題，也學到了 .gitignore 的重要性——確保 API Key（.env）、虛擬環境（venv/）和自動生成的檔案不會被提交到版本庫中。
這個專案完整走過了從核心邏輯開發 → 多模態擴充 → Web GUI 包裝 → 版控上線的全流程，是一次理論與實務結合的寶貴經驗。 本次作業的學習心得。
張承新：
一、從模組化思維看系統整合 這次參與 AI Chatbot 專案，讓我對系統架構與資料流的整合有了更實務的體會。過去學習程式語言與各種演算法時，多半是專注於解決單一問題；但在這個專案中，我們需要將文字處理、圖片（Base64）編碼、PDF 文本提取等多種功能，完美整合進同一個 LangChain 處理流程中。這非常考驗程式碼的模組化設計，也讓我深刻體會到保持各個模組低耦合、高內聚的重要性。
二、狀態管理與資料持久化 (JSON Logging) 專案中實作「多輪對話記憶」與「自動儲存對話紀錄」的部分讓我印象特別深刻。為了讓 AI 能理解上下文，我們必須在記憶體中妥善管理歷史訊息的資料結構。同時，將這些對話狀態連同時間戳記與檔案資訊，精準且結構化地匯出成 JSON 格式，不僅大幅提升了後續除錯的效率，也為未來若要進一步串接關聯式或非關聯式資料庫（Database）儲存用戶行為，打下了非常穩固的基礎。
三、API 串接與例外處理的實戰經驗 在實際呼叫 Google Gemini API 及建置環境的過程中，遇到了不少狀況，例如 Git 路徑未設定導致的環境問題，或是 API 溝通時可能的延遲與格式限制。這些踩坑經驗讓我學到，開發一套完整的系統不能只考慮「理想狀態」，更要為各種網路異常、檔案讀取錯誤預先寫好例外處理（Exception Handling），確保系統的強健性與使用者的順暢體驗。
四、結語 看著專案從單純的命令列（CLI）腳本，一步步擴充功能，最終進化成具備圖形化介面（Web GUI）的多模態 AI 助理，不僅充滿成就感，也大幅提升了我的 Python 實戰開發能力。這次專案讓我更懂得如何將平時累積的資訊工程理論，轉化為實際解決問題的軟體應用，是一趟非常充實的學習旅程
葉政毅:
我們選擇了最新的 gemini-2.5-flash 作為語言模型，並透過 langchain-google-genai 進行串接。LangChain 成功地將零散的對話封裝成易於管理的 HumanMessage 與 AIMessage，讓機器人不僅能單次問答，更具備了「記憶」整個上下文的對話能力。
在串接 API 的過程中，我們經歷了一段小小的環境變數名稱不一致（GEMINI_API_KEY 與 GOOGLE_API_KEY）的除錯過程。這提醒了我們，在建構這類依賴外部金鑰的應用時，同時支援多種慣用的變數名稱能大幅提升容錯率，並利用 .env 加上 .gitignore 來確保機敏資料不會不小心被上傳到公開的 GitHub。
有別於傳統只能輸入文字的腳本，我們引入了 langchain-community 的 PyPDFLoader 以及 Base64 轉換技術，讓專案具備了「讀圖」與「讀文件」的強大能力。這使得 AI 不再侷限於程式碼的世界，而能真正成為一個日常助手。
最後且最關鍵的一步，我們拋棄了傳統的終端機 chat.py 介面，轉而擁抱專為 AI 設計的 Web 框架 —— Chainlit。
這讓我們短短用一個 app.py 就實作出了：
- 現代化的對話氣泡與上傳檔案介面
- 即時打字機效果 (Streaming)
- 透過
cl.user_session將繁雜的對話紀錄與 JSON 儲存功能無縫整合在背景處理
這個專案目前已經擁有非常完整的雛形，若未來想進一步擴充，可以考慮：
- RAG (檢索增強生成)：目前上傳的 PDF 是一股腦全塞給模型，若後續檔案過大（超過 Token 限制），可引入向量資料庫做切片檢索。
- 工具調用 (Tool Calling)：讓 Gemini 不只是聊天，還能幫忙查天氣、打 API 去抓取即時資訊。
- 雲端部署：考慮將 Chainlit 服務打包成 Docker，部署在 Render 或是 Zeabur 上，隨時隨地用手機也能操作。
開發小結：這次專案深刻體會到，有了優質的模型搭上生態圈完善的套件（LangChain + Chainlit），開發出一個具備商業化潛力的 AI 助理已經不再遙不可及，期待這個小助手在未來能發揮更大的價值！
請填入小組各組員 GitHub repository 網址。
https://github.com/james09021030-sudo/chatbot
https://github.com/Eric-wu0805/chatbot
https://github.com/cupid00772/AI-Chatbot.git
https://github.com/Eason92k/AI-agent.git