高醫即時醫療資訊查詢系統

一個整合 雙重 RAG (關鍵字 + 向量檢索) 醫師資料庫與 Web Search 即時資訊查詢的智能醫療資訊系統。

🎯 系統特色

🔍 雙重 RAG 架構

• 關鍵字 RAG: 基於精確關鍵字匹配的醫師檢索
• 向量 RAG: 基於 bge-m3 語義向量的智能檢索
• 智能融合: 優先使用向量檢索，關鍵字檢索作為備用
• Web Search: 即時網路資訊搜尋
• AI 整合: GPT-4o 智能分析與回答生成

👨‍⚕️ 醫師資料庫

• 8 位心臟血管內科醫師完整資料
• 包含專長、職稱、經歷、學歷、證照等詳細資訊
• 雙重檢索: 關鍵字匹配 + 語義向量檢索
• 智能排序: 基於相關度的智能排序

🏥 即時資訊查詢

• 高醫即時叫號進度查詢
• 動態網頁內容抓取
• 智能錯誤處理與重試機制

🚀 快速開始

1. 環境設定

# 設定環境變數
setup-env.bat

# 編輯 server/.env 檔案，填入您的 API 金鑰
OPENAI_API_KEY=your_openai_api_key_here
SERPER_API_KEY=your_serper_api_key_here
SCRAPING_BEE_KEY=your_scraping_bee_key_here

2. 建立向量資料庫 (首次使用)

# 建立 Python 虛擬環境
python -m venv venv
venv\Scripts\activate

# 安裝必要套件
pip install chromadb sentence-transformers

# 建立向量資料庫
python test_vector_rag.py

3. 啟動系統

npm run dev

4. 使用 ReAct Agent

在後端運行後，可透過 POST /api/query 並傳入 query 欄位啟動 ReAct 推理流程。 系統會依序輸出 Thought、Action、Observation，最後回傳診斷報告。

5. 訪問系統

• 前端: http://localhost:3000
• 後端: http://localhost:3001
• 健康檢查: http://localhost:3001/health

須進入資料夾

cd "C:\Users\USER\Desktop\websearch-medical-query-codex-react-agent\client"
npm run install-all
npm run dev

cd "C:\Users\USER\Desktop\websearch-medical-query-codex-react-agent\server"
npm run install-all
npm run dev

📋 查詢範例

醫師資訊查詢

高醫朱志生醫師的專長是什麼？
李香君醫師的學歷和經歷
林宗翰醫師的職稱
心臟科醫師推薦
糖尿病專科醫師

即時叫號查詢

現在高醫心臟內科叫到幾號了？
高醫心臟血管內科４診看到幾號了？

綜合查詢

高醫林宗翰醫師現在心臟內科叫到幾號？
朱志生醫師的專長是什麼？現在叫到幾號？

🏗️ 系統架構

前端 (React + TypeScript)

• client/src/App.tsx: 主要應用程式
• client/src/components/: UI 元件
• client/src/services/api.ts: API 服務

後端 (Node.js + Express)

• server/services/doctorRagService.js: 關鍵字 RAG 服務
• server/services/vectorRagService.js: 向量 RAG 服務
• server/services/queryService.js: 主要查詢處理服務
• server/services/scrapingBeeService.js: 即時資訊服務
• server/services/reactAgentService.js: ReAct 推理服務

資料庫

• doctors.json: 醫師資料庫 (8 位心臟血管內科醫師)
• chroma_db/doctorv1/: ChromaDB 向量資料庫

🔧 技術特色

雙重 RAG 系統

• 關鍵字 RAG: 純 JavaScript 實現，穩定可靠
• 向量 RAG: 基於 bge-m3 的語義檢索，理解力更強
• 智能融合: 優先使用向量檢索，關鍵字檢索作為備用
• 相關度排序: 基於相似度的智能排序算法
• 即時載入: 動態載入醫師資料庫

Web Search 整合

• 並行處理: 雙重 RAG 檢索與 Web 搜尋同時執行
• 智能路由: 根據查詢類型選擇最佳資料來源
• 錯誤處理: 優雅的降級機制
• 結果融合: GPT-4o 智能整合多來源資訊

即時資訊服務

• 重試機制: 最多 3 次重試，提高成功率
• 多種解析策略: HTML 結構解析 + 內容分析
• 超時控制: 45 秒超時，避免長時間等待
• 模擬資料: 當無法取得即時資料時的備用方案

🧠 ReAct Agent 模式

新增 server/services/reactAgentService.js，使用 GPT 依循 Thought → Action → Observation 流程逐步推理。

可用工具：

1. doctor_rag – 醫師資料庫檢索
2. vector_rag – 向量語義檢索
3. web_search – Google 搜尋
4. finish – 產生最終診斷報告

執行查詢時，Agent 會根據使用者案例多次呼叫上述工具，最後給出診斷結果。

🧪 測試

完整系統測試

node test_integrated_vector_system.js

向量 RAG 測試

python test_vector_rag.py "心臟科醫師"

單一查詢測試

node test_rag_web_integration.js "高醫朱志生醫師的專長是什麼？"

測試覆蓋範圍

• ✅ 關鍵字 RAG 醫師檢索功能
• ✅ 向量 RAG 語義檢索功能
• ✅ Web Search 網路搜尋
• ✅ 即時資訊查詢
• ✅ AI 整合回答生成
• ✅ 錯誤處理與降級

📊 醫師資料庫

心臟血管內科醫師 (8 位)

1. 林宗翰: 重症加護醫學、心律不整治療
2. 盧怡旭: 循環學、重症照護、高血壓
3. 林宗憲: 高血壓、心絞痛、心肌梗塞、心衰竭
4. 朱志生: 心臟電氣生理學、介入性心導管治療
5. 李香君: 高血壓、心衰竭、心肌梗塞、冠狀動脈疾病
6. 林新進: 高血壓、高血脂、心絞痛、心肌梗塞
7. 朱俊源: 高血壓、高血脂、心絞痛、心肌梗塞

資料結構

{
  "name": "醫師姓名",
  "department": "科別",
  "specialty": ["專長1", "專長2"],
  "title": ["職稱1", "職稱2"],
  "experience": ["經歷1", "經歷2"],
  "education": ["學歷1", "學歷2"],
  "certifications": ["證照1", "證照2"]
}

🔍 查詢處理流程

使用者查詢
    ↓
並行處理
├── 關鍵字 RAG 檢索 (醫師資料庫)
├── 向量 RAG 檢索 (語義檢索)
└── Web Search (網路搜尋)
    ↓
智能結果融合
    ↓
即時資訊檢查
    ↓
GPT-4o 整合分析
    ↓
智能回答生成

🛠️ 開發指南

新增醫師資料

1. 編輯 doctors.json
2. 按照現有格式新增醫師資訊
3. 重新建立向量資料庫: python test_vector_rag.py
4. 重新啟動服務器

修改 RAG 權重

• 關鍵字 RAG: 編輯 server/services/doctorRagService.js 中的 keywordWeights 配置
• 向量 RAG: 調整 test_vector_rag.py 中的相似度閾值

調整 AI 回答

修改 server/services/queryService.js 中的 createIntegratedPrompt 方法

📝 更新日誌

v3.0.0 - 雙重 RAG 整合版

• ✅ 新增向量 RAG 系統 (bge-m3)
• ✅ 實現雙重 RAG 架構 (關鍵字 + 向量)
• ✅ 智能結果融合機制
• ✅ 優化語義檢索能力
• ✅ 新增向量資料庫持久化
• ✅ 完善測試套件

v2.0.0 - RAG + Web Search 整合版

• ✅ 新增醫師 RAG 檢索系統
• ✅ 實現分層整合架構
• ✅ 優化即時資訊服務
• ✅ 改善 AI 回答品質
• ✅ 新增完整測試套件

v1.1.0 - 穩定版

• ✅ 基本醫療資訊搜尋
• ✅ 高醫即時叫號查詢
• ✅ Google 搜尋整合
• ✅ GPT-4o AI 分析

🤝 貢獻

歡迎提交 Issue 和 Pull Request！

📄 授權

MIT License