RAG-Agent-Websearch 醫療資訊查詢系統

一個結合 Retrieval-Augmented Generation (RAG) 與 ReAct Agent 架構的智能醫療資訊查詢系統。系統整合本地醫師資料庫與網路搜尋功能，能根據用戶問題自動選擇最合適的查詢方式，提供專業的醫療資訊回覆。

🚀 系統演示

查詢本地醫師資料

系統成功查詢高雄醫學大學醫師的位置資訊

智能推理與多工具協作

展示 ReAct Agent 的推理過程，包含多步驟思考與行動

醫療症狀查詢

系統提供流感相關症狀的詳細醫療資訊

網頁介面

直觀的網頁介面，支援即時醫療資訊查詢

✨ 專案特色

• 🤖 ReAct Agent 架構：結合推理與行動，智能選擇查詢路徑
• 🔍 混合式檢索：整合本地知識庫與即時網路搜尋
• 🏥 醫療專業：專注於醫師資料和醫療資訊查詢
• 📊 詳細日誌：完整記錄每次查詢的推理過程
• 🎯 高可擴展：模組化設計，易於擴充新功能

🏗️ 系統架構

ReAct Agent 工作流程

用戶問題 → ReAct Agent 推理 → 工具選擇 → 資料檢索 → 結果整合 → 專業回覆

1. 思考階段 (Thought)：分析問題類型和查詢需求
2. 行動階段 (Action)：選擇合適的工具執行查詢
3. 觀察階段 (Observation)：處理查詢結果
4. 整合階段：結合多個資料源生成最終回覆

核心工具

• 醫師資料庫查詢工具

  • 基於 Chroma 向量資料庫
  • 使用 HuggingFace BGE-M3 嵌入模型
  • 支援醫師姓名、專長、學歷、經歷查詢

• 網路搜尋工具

  • 整合 Google Serper API
  • 獲取最新醫療資訊和研究
  • 智能篩選和摘要搜尋結果

🛠️ 技術棧

類別	技術	用途
後端框架	FastAPI	RESTful API 服務
AI 框架	LangChain	Agent 和工具鏈管理
大語言模型	OpenAI GPT-4o	推理和回覆生成
向量資料庫	Chroma	本地知識庫存儲
嵌入模型	HuggingFace BGE-M3	文本向量化
網路搜尋	Google Serper API	即時資訊檢索
伺服器	Uvicorn	ASGI 應用伺服器

📁 專案結構

RAG-Agent-Websearch/
├── react_agent_api.py      # FastAPI 主後端
├── build_doctor_db.py      # 向量資料庫建構
├── doctors.json            # 醫師原始資料
├── chroma_db/             # Chroma 向量資料庫
├── client/                # 前端專案 (React/Vite)
├── test_*.py              # 測試檔案
├── requirements.txt       # Python 依賴
├── .env                   # 環境變數
└── README.md             # 專案說明

🚀 快速開始

1. 環境準備

# 建立虛擬環境
conda create -n rag-agent python=3.10
conda activate rag-agent

# 或使用 venv
python -m venv rag-agent
source rag-agent/bin/activate  # Linux/Mac
rag-agent\Scripts\activate     # Windows

2. 安裝依賴

git clone https://github.com/yourusername/RAG-Agent-Websearch.git
cd RAG-Agent-Websearch
pip install -r requirements.txt

3. 設定 API 金鑰

創建 .env 檔案：

OPENAI_API_KEY=your_openai_api_key_here
SERPER_API_KEY=your_serper_api_key_here

取得 API 金鑰：

• OpenAI API: https://platform.openai.com/account/api-keys
• Serper API: https://serper.dev/

4. 建立向量資料庫

python build_doctor_db.py

5. 啟動服務

# 啟動後端 API
python react_agent_api.py

# 啟動前端 (可選)
cd client
npm install
npm run dev

6. 測試系統

# 執行測試
python test_agent_tool.py

# 或使用 curl 測試 API
curl -X POST "http://localhost:8000/api/ask" \
  -H "Content-Type: application/json" \
  -d '{"question": "林宗翰醫師的專長是什麼？"}'

📝 API 文檔

問答端點

POST /api/ask

請求格式：

{
  "question": "您的問題"
}

回應格式：

{
  "result": "AI 生成的回覆",
  "execution_time": "查詢執行時間"
}

範例：

curl -X POST "http://localhost:8000/api/ask" \
  -H "Content-Type: application/json" \
  -d '{"question": "什麼是流感的主要症狀？"}'

🎯 使用範例

醫師資料查詢

問題：林宗翰醫師的專長是什麼？
回覆：林宗翰醫師專精於心臟血管內科，具有豐富的臨床經驗...

醫療資訊查詢

問題：流感的主要症狀是什麼？
回覆：流感的主要症狀包括突然發燒、咳嗽、喉嚨痛、肌肉疼痛...

複合查詢

問題：我需要心臟科醫師，同時想了解最新的高血壓治療方法
回覆：為您推薦專業的心臟科醫師，同時提供最新的高血壓治療資訊...

🔧 自訂設定

修改嵌入模型

# 在 react_agent_api.py 中
embeddings = HuggingFaceEmbeddings(
    model_name="BAAI/bge-m3",  # 可替換為其他模型
    model_kwargs={'device': 'cpu'},
    encode_kwargs={'normalize_embeddings': True}
)

新增醫師資料

// 在 doctors.json 中新增
{
  "name": "醫師姓名",
  "specialty": "專科領域",
  "education": "學歷背景",
  "experience": "工作經歷",
  "location": "工作地點"
}

擴充工具功能

# 新增自訂工具
@tool
def custom_medical_tool(query: str) -> str:
    """自訂醫療查詢工具"""
    # 實作您的邏輯
    return "查詢結果"

# 註冊到 Agent
tools = [rag_tool, web_search_tool, custom_medical_tool]

醫師資料前處理系統 (Doctor Data Preprocessing System) (build_vectorv2.py)

📋 專案概述

本系統專門用於處理醫師資料，將其轉換為適合向量搜尋的格式，並建立高效的 ChromaDB 向量資料庫。系統採用智能切割策略，針對醫學專業術語進行優化，提供高精度的醫師資訊檢索功能。

📝 系統架構

核心組件

1. DoctorDataProcessor - 醫師資料處理器
2. 智能切割策略 - 自適應文字分割
3. 醫學術語標準化 - 同義詞字典管理
4. 向量資料庫建構 - ChromaDB 整合
5. 資料驗證與清理 - 品質控制機制

主要功能

1. 資料清理與標準化

文字清理功能

def clean_text(self, text: str) -> str:
    """增強的文字清理功能"""
    # 移除多餘空白
    # 移除編號前綴 (如 "1)", "2)" 等)
    # 移除特殊標記 (如 "<執照>", "<學會>" 等)
    # 標準化標點符號
    # 標準化英文數字格式
    # 移除特殊字符但保留醫學相關符號

醫學術語標準化

• 職稱標準化：主治醫師、住院醫師、主任、教授等
• 專科標準化：心臟血管內科、心臟內科、心血管內科等
• 醫院名稱標準化：高雄醫學大學附設中和紀念醫院、高醫附院等
• 學位標準化：學士、碩士、博士、醫學士等

2. 智能切割策略

切割類型

1. 基本資訊片段 - 醫師姓名、科別、主要專長
2. 專長片段 - 當專長超過8項時自動分組
3. 現任職位片段 - 職稱資訊
4. 經歷片段 - 按時間軸分組的工作經歷
5. 學歷片段 - 教育背景
6. 認證片段 - 專科認證資訊

切割邏輯

def chunk_doctor_data_smart(doctor: Dict[str, Any], processor: DoctorDataProcessor):
    # 根據資料內容和長度採用不同的切割策略
    # 專長 > 8項 → 分組切割
    # 經歷 > 6項且有時間軸 → 按時間分組
    # 認證 > 8項 → 分組切割

3. 資料驗證機制

必要欄位檢查

• 醫師姓名 (name)
• 科別 (department)
• 至少有一個專長或職稱

資料完整性驗證

def validate_doctor_data(self, doctor: Dict[str, Any]) -> bool:
    """驗證醫師資料完整性"""
    required_fields = ['name', 'department']
    # 檢查必要欄位
    # 檢查專長或職稱資訊

4. 醫學資訊提取

正則表達式模式

self.medical_patterns = {
    'years': r'\b(19|20)\d{2}\b|民國\d{1,2}年',
    'medical_degrees': r'(學士|碩士|博士|Bachelor|Master|Doctor|PhD|醫學士)',
    'medical_specialties': r'(內科|外科|婦產科|小兒科|精神科|皮膚科|眼科|耳鼻喉科|骨科|泌尿科|放射科|麻醉科|病理科|復健科|家醫科|心臟科|心臟血管內科)',
    'certifications': r'(專科醫師|指導醫師|會員|會士|證書|執照)',
    'positions': r'(主任|副主任|主治醫師|住院醫師|總醫師|教授|副教授|助理教授|講師)'
}

📋 同義詞字典

職稱同義詞

標準術語	同義詞
主治醫師	主治、attending physician、主治醫生
住院醫師	住院、resident、住院醫生
主任	director、chief、科主任、部主任
教授	professor、prof

專科同義詞

標準術語	同義詞
心臟血管內科	心臟內科、心血管內科、cardiology、心內科、心臟科
心臟超音波	心臟超音波檢查、echocardiography
介入性治療	介入治療、interventional therapy、心導管介入治療
重症醫學	重症照護、intensive care、加護病房

醫院名稱標準化

標準名稱	簡稱
高雄醫學大學附設中和紀念醫院	高醫附院、中和醫院、中和紀念醫院
高雄醫學大學附設高醫岡山醫院	高醫岡山醫院、岡山醫院
高雄市立小港醫院	小港醫院
高雄市立大同醫院	大同醫院

🚀 使用方式

1. 基本使用

# 建立處理器
processor = DoctorDataProcessor("doctorsv3.json")

# 建立向量資料庫
build_doctor_vector_db(
    data_source="doctorsv3.json",
    custom_source_name="高醫心臟科醫師名單v3",
    use_smart_chunking=True
)

2. 測試模式

# 執行測試模式
python build_vector2.py test

3. 查詢集合

# 使用 list_collections.py 查詢現有集合
python list_collections.py

📋 處理統計

資料處理結果

• 總醫師數: 174 位
• 向量片段數: 895 個
• 平均專長數: 4.85 項
• 科別分布: 14 個不同科別
• 醫院分布: 4 個主要醫院

科別分布

1. 胸腔內科: 28 位 (16.1%)
2. 心臟血管內科: 25 位 (14.4%)
3. 內分泌新陳代謝內科: 19 位 (10.9%)
4. 胃腸內科: 18 位 (10.3%)
5. 肝膽胰內科: 18 位 (10.3%)

醫院分布

1. 高雄醫學大學附設中和紀念醫院: 45 位 (25.9%)
2. 高雄市立小港醫院: 10 位 (5.7%)
3. 高雄市立大同醫院: 10 位 (5.7%)
4. 高雄醫學大學附設高醫岡山醫院: 4 位 (2.3%)

🔍 搜尋測試

測試查詢範例

test_queries = [
    "心臟內科高血壓專家",
    "林宗憲醫師",
    "高醫附院心臟科主任",
    "心導管介入治療",
    "心臟超音波檢查",
    "肺動脈高壓治療",
    "心肌病變專家",
    "瓣膜性心臟病",
    "重症醫學專科醫師",
    "介入性心臟血管治療"
]

搜尋結果格式

測試查詢: 心臟內科高血壓專家 結果 1 (相似度: 0.892): 林宗憲 - 心臟血管內科主治醫師，專長：高血壓... 結果 2 (相似度: 0.845): 王大明 - 心臟內科主任，專長：心血管疾病...

📁 輸出檔案

處理後資料

• processed_doctors_smart_YYYYMMDD_HHMMSS.json - 處理後的醫師資料
• stats_YYYYMMDD_HHMMSS.json - 統計報告

向量資料庫

• chroma_db/ - ChromaDB 資料庫目錄
• 集合名稱: doctors_smart_YYYYMMDD_HHMM

🛠️ 技術規格

依賴套件

import json
import re
import chromadb
from sentence_transformers import SentenceTransformer
from typing import List, Dict, Any, Optional
import logging
from datetime import datetime
from collections import Counter

向量模型

• 模型: BAAI/bge-m3
• 語言: 多語言支援（中英文）
• 維度: 1024
• 正規化: 啟用

資料庫

• 類型: ChromaDB
• 持久化: 啟用
• 索引: 向量相似度搜尋
• 元數據: 豐富的醫師資訊標籤

⭐特色功能

1. 智能切割

• 根據資料內容自動選擇切割策略
• 保持語義完整性的同時優化搜尋效果
• 支援長專長列表的智能分組

2. 醫學術語優化

• 專業的醫學同義詞字典
• 支援中英文混合搜尋
• 標準化醫學術語表達

3. 資料品質控制

• 完整的資料驗證機制
• 自動清理和標準化
• 詳細的處理日誌

4. 高效能處理

• 批次處理大量醫師資料
• 並行向量化處理
• 記憶體優化的切割策略

⭐自訂設定

修改同義詞字典

# 在 DoctorDataProcessor.__init__() 中修改
self.synonym_dict = {
    "新術語": ["同義詞1", "同義詞2", "英文術語"],
    # ... 更多術語
}

調整切割參數

# 在 chunk_doctor_data_smart() 中修改
if len(doctor['specialty']) > 8:  # 調整閾值
    specialty_groups = [doctor['specialty'][i:i+8] for i in range(0, len(doctor['specialty']), 8)]

新增正則表達式模式

# 在 medical_patterns 中新增
'new_pattern': r'(新的正則表達式模式)',

---

🐛 常見問題

Q: 模型下載很慢怎麼辦？

A: 可以手動下載模型到本地並指定路徑，或使用鏡像站點。

Q: API 金鑰無效

A: 請確認 .env 檔案格式正確，且金鑰未過期。

Q: Chroma 資料庫錯誤

A: 刪除 chroma_db/ 目錄後重新執行 build_doctor_db.py。

Q: 前端 CORS 問題

A: 已在 FastAPI 中設定 CORS，如有問題請檢查 CORSMiddleware 設定。

📊 效能指標

• 查詢回應時間：平均 2-5 秒
• 本地檢索精確度：> 95%
• 網路搜尋整合：自動判斷觸發
• 同時併發處理：支援多用戶查詢

🤝 貢獻指南

1. Fork 本專案
2. 建立功能分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 建立 Pull Request

📄 授權

本專案採用 MIT 授權條款 - 詳見 LICENSE 檔案。

🙏 致謝

• OpenAI 提供強大的 GPT-4o 模型
• HuggingFace 提供優秀的嵌入模型
• LangChain 提供完整的 Agent 框架
• Chroma 提供高效的向量資料庫

📞 聯絡我們

• 專案連結: https://github.com/Tsai1030/Langchain-ReAct-Agent/tree/main
• 問題回報: https://github.com/Tsai1030/Langchain-ReAct-Agent/tree/main
• 電子郵件: pijh102511@gmail.com
• 版本: v3.0
• 更新日期: 2025-07-04

---

⭐ 如果這個專案對您有幫助，請給我們一個 Star！