Embed badge
Show
Style
[](https://versuz.dev/skills/skill-md-ai-nurse-chatbot)Free SKILL.md scraped from GitHub. Clone the repo or copy the file directly into your Claude Code skills directory.
npx versuz@latest install skill-md-ai-nurse-chatbotgit clone https://github.com/taki-hor/massage_chatbot.gitcp -r massage_chatbot/md ~/.claude/skills/skill-md-ai-nurse-chatbot/# skill.md - AI Nurse Chatbot 工具驅動開發技能
> **目的**：讓 LLM 以標準化工具介面開發與調試本專案（app.js, index.html, server_qwen.py），可在 Ubuntu 終端啟動服務、自動化瀏覽器測試、讀取 F12 Console/Network 錯誤、模擬 UI 互動、自動修復 Bug 並記錄開發進度。
---
## 📁 檔案結構
```
ai_nurse_chatbot/
├── skill.md # 本文件（開發技能定義）
├── DEVELOPMENT_PROGRESS.md # 開發進度追蹤（LLM 必讀）
├── index.html # 前端主頁
├── static/
│ ├── app.js # 前端邏輯
│ ├── styles.css # 樣式表
│ └── ...
├── server_qwen.py # 後端服務器
├── requirements.txt # Python 依賴
├── .env # 環境變數（API Keys）
├── tests/
│ ├── test_browser.py # 瀏覽器自動化測試
│ ├── bug_tracker.py # Bug 掃描工具
│ └── auto_debug.sh # 一鍵調試腳本
├── artifacts/
│ ├── screenshots/ # 測試截圖
│ ├── console.log # Console 日誌
│ └── network.json # Network 日誌
└── reports/
├── BUGLIST.md # Bug 清單
└── test_results.log # 測試結果
```
---
## 🛠️ 1. 工具介面定義（Tools API）
LLM 可調用以下標準化工具介面：
### 1.1 Shell 執行器
```json
{
"tool": "shell.run",
"params": {
"cmd": "string (完整 shell 指令)",
"cwd": "string (工作目錄，默認為 repo 根目錄)",
"env": {"KEY": "VALUE"},
"timeout_sec": 600
},
"returns": {
"stdout": "string",
"stderr": "string",
"exit_code": "int"
}
}
```
**安全閘門（CRITICAL）**：
- ❌ 禁止：`rm -rf /`, `mkfs`, `:(){ :|:& };:` (fork bomb)
- ❌ 禁止：無目錄限制的 `sudo`
- ✅ 只能在 `repo 根目錄` 內操作
- ✅ 刪除操作需明確目標路徑
### 1.2 檔案系統
```json
{
"tool": "fs.read",
"params": {"path": "相對路徑"},
"returns": {"content": "string", "size": "int"}
}
{
"tool": "fs.write",
"params": {"path": "相對路徑", "content": "string"},
"returns": {"success": "bool", "bytes_written": "int"}
}
{
"tool": "fs.list",
"params": {"path": "目錄路徑", "include_hidden": false},
"returns": {"files": ["array of filenames"]}
}
{
"tool": "fs.exists",
"params": {"path": "相對路徑"},
"returns": {"exists": "bool"}
}
```
### 1.3 瀏覽器自動化（基於 Playwright）
```json
{
"tool": "browser.open",
"params": {
"url": "http://localhost:8000",
"headless": false,
"viewport": {"width": 1280, "height": 720}
},
"returns": {"page_id": "uuid"}
}
{
"tool": "browser.console_logs",
"params": {"page_id": "uuid", "since_timestamp": "optional"},
"returns": {
"logs": [
{"level": "error|warn|info", "text": "string", "timestamp": "iso8601"}
]
}
}
{
"tool": "browser.network_logs",
"params": {"page_id": "uuid", "filter": "failed|4xx|5xx"},
"returns": {
"requests": [
{"url": "string", "status": "int", "method": "string", "error": "string"}
]
}
}
{
"tool": "browser.click",
"params": {"page_id": "uuid", "selector": "#elementId"},
"returns": {"success": "bool"}
}
{
"tool": "browser.fill",
"params": {"page_id": "uuid", "selector": "#input", "text": "content"},
"returns": {"success": "bool"}
}
{
"tool": "browser.screenshot",
"params": {"page_id": "uuid", "path": "artifacts/screenshots/error.png"},
"returns": {"path": "string"}
}
{
"tool": "browser.evaluate",
"params": {"page_id": "uuid", "script": "console.log(window.location)"},
"returns": {"result": "any"}
}
```
### 1.4 進度追蹤
```json
{
"tool": "progress.update",
"params": {
"task": "string (任務描述)",
"status": "pending|in_progress|completed|failed",
"details": "string (詳細說明)",
"evidence": ["artifacts/screenshots/test.png"]
}
}
{
"tool": "progress.read",
"returns": {
"current_phase": "string",
"completed_tasks": ["array"],
"pending_tasks": ["array"],
"blockers": ["array"]
}
}
```
---
## 🔄 2. 標準工作流程（Workflows）
### 2.1 初始化開發環境
```python
# 1. 檢查專案結構
files = tool.fs.list("./")
# 2. 檢查必要檔案
required_files = ["index.html", "server_qwen.py", "requirements.txt"]
for file in required_files:
if not tool.fs.exists(file):
tool.progress.update(f"缺少檔案: {file}", "failed")
# 建立檔案骨架（見 5.1 節）
# 3. 安裝 Python 依賴
result = tool.shell.run("pip install -r requirements.txt", timeout_sec=300)
if result.exit_code != 0:
tool.progress.update("依賴安裝失敗", "failed", result.stderr)
# 4. 檢查環境變數
env_check = tool.fs.exists(".env")
if not env_check:
tool.progress.update("缺少 .env 文件", "failed")
```
### 2.2 啟動服務與測試
```python
# 1. 啟動後端
result = tool.shell.run(
"python server_qwen.py > artifacts/server.log 2>&1 &",
cwd="."
)
tool.progress.update("後端啟動", "in_progress", f"PID: {result.stdout}")
# 等待服務就緒
time.sleep(3)
# 2. 健康檢查
health = tool.shell.run("curl -s http://localhost:8000/health")
if "healthy" in health.stdout:
tool.progress.update("後端啟動", "completed")
else:
tool.progress.update("後端啟動", "failed", health.stderr)
# 讀取日誌排查錯誤
logs = tool.fs.read("artifacts/server.log")
# 3. 啟動瀏覽器
page_id = tool.browser.open("http://localhost:8000", headless=False)
# 4. 收集 Console 錯誤
time.sleep(2) # 等待頁面載入
console_logs = tool.browser.console_logs(page_id)
errors = [log for log in console_logs if log['level'] == 'error']
if errors:
tool.progress.update(
"發現 Console 錯誤",
"failed",
f"共 {len(errors)} 個錯誤"
)
# 截圖證據
tool.browser.screenshot(page_id, "artifacts/screenshots/console_error.png")
```
### 2.3 自動化 UI 測試
```python
# 模擬用戶操作
test_cases = [
{
"name": "發送消息測試",
"actions": [
{"type": "fill", "selector": "#userInput", "text": "你好"},
{"type": "click", "selector": "#sendBtn"},
{"type": "wait", "duration": 2}
],
"verify": {
"selector": "#messagesArea",
"contains": "你好"
}
}
]
for test in test_cases:
tool.progress.update(f"執行測試: {test['name']}", "in_progress")
for action in test['actions']:
if action['type'] == 'fill':
tool.browser.fill(page_id, action['selector'], action['text'])
elif action['type'] == 'click':
tool.browser.click(page_id, action['selector'])
elif action['type'] == 'wait':
time.sleep(action['duration'])
# 驗證結果
result = tool.browser.evaluate(
page_id,
f"document.querySelector('{test['verify']['selector']}').textContent"
)
if test['verify']['contains'] in result:
tool.progress.update(f"測試: {test['name']}", "completed")
else:
tool.progress.update(f"測試: {test['name']}", "failed")
tool.browser.screenshot(page_id, f"artifacts/screenshots/{test['name']}_failed.png")
```
---
## 🎯 3. 決策樹（Debugging Decision Tree）
### 當遇到問題時，LLM 應按此流程處理：
```
┌─────────────────────────────────────────┐
│ 1. 後端無法啟動 │
│ → tool.fs.read("artifacts/server.log")│
│ → 解析 traceback │
│ → 定位錯誤行數 │
│ → tool.fs.read(錯誤文件) │
│ → 修正代碼 │
│ → tool.fs.write(文件, 修正後代碼) │
│ → 重新啟動 │
└─────────────────────────────────────────┘
┌─────────────────────────────────────────┐
│ 2. 前端白屏 / JS 錯誤 │
│ → tool.browser.console_logs() │
│ → 識別錯誤類型： │
│ - Uncaught ReferenceError │
│ → 檢查變數是否定義 │
│ - TypeError: Cannot read property │
│ → 檢查物件是否存在 │
│ - CORS error │
│ → 檢查 server_qwen.py CORS 配置 │
│ → tool.fs.read("static/app.js") │
│ → 修正錯誤 │
│ → 重新載入頁面驗證 │
└─────────────────────────────────────────┘
┌─────────────────────────────────────────┐
│ 3. API 請求失敗 │
│ → tool.browser.network_logs(filter="failed")│
│ → 檢查： │
│ - 404: 端點不存在 │
│ → 檢查 server_qwen.py 路由 │
│ - 500: 服務器錯誤 │
│ → 讀取 server.log │
│ - CORS: 跨域問題 │
│ → 檢查 CORSMiddleware 配置 │
│ - Timeout: 超時 │
│ → 檢查後端處理邏輯 │
│ → 修正對應問題 │
└─────────────────────────────────────────┘
┌─────────────────────────────────────────┐
│ 4. 資源載入 404 │
│ → tool.browser.network_logs(filter="404")│
│ → 檢查路徑： │
│ - /static/app.js → 確認文件存在 │
│ - /static/styles.css → 檢查路徑 │
│ → tool.fs.read("index.html") │
│ → 修正 <script src="..."> │
│ → 檢查 server_qwen.py StaticFiles 配置│
└─────────────────────────────────────────┘
```
---
## 📝 4. 開發進度追蹤（DEVELOPMENT_PROGRESS.md）
### 4.1 進度文件格式
```markdown
# AI Nurse Chatbot - 開發進度追蹤
**最後更新**: 2025-10-21 14:30:00
**當前階段**: Phase 2 - 功能測試與修復
---
## 🎯 總體目標
- [ ] 後端服務穩定運行
- [ ] 前端頁面正常載入
- [ ] 核心功能（聊天、TTS）正常工作
- [ ] 無阻塞性錯誤
---
## 📊 當前狀態
### ✅ 已完成 (Completed)
- [x] 2025-10-21 14:00 - 初始化專案結構
- 證據: `tree` 輸出顯示所有必要文件存在
- 修改: 無
- [x] 2025-10-21 14:15 - 安裝 Python 依賴
- 證據: `pip install` 成功，無錯誤
- 修改: 無
### 🔄 進行中 (In Progress)
- [ ] 2025-10-21 14:20 - 修復後端 CORS 錯誤
- 問題: Console 顯示 CORS policy 阻止請求
- 當前操作: 檢查 `server_qwen.py` CORSMiddleware 配置
- 阻塞因素: 無
### ⏳ 待處理 (Pending)
- [ ] 前端 UI 測試
- [ ] TTS 功能測試
- [ ] 知識庫整合測試
### ❌ 失敗/阻塞 (Blocked)
- [ ] 2025-10-21 14:10 - 後端首次啟動失敗
- 錯誤: `ModuleNotFoundError: No module named 'fastapi'`
- 解決方案: 安裝 requirements.txt
- 狀態: 已解決（見「已完成」）
---
## 🐛 Bug 清單
### P0 - 阻塞性錯誤（Critical）
- 無
### P1 - 主要功能錯誤（High）
1. **CORS 錯誤阻止 API 請求**
- 位置: `server_qwen.py` CORSMiddleware
- 影響: 前端無法調用 `/api/chat`
- 狀態: 調查中
- 證據: `artifacts/screenshots/cors_error.png`
### P2 - 次要問題（Medium）
- 無
---
## 📋 測試結果
### 手動測試
| 測試項目 | 狀態 | 時間 | 備註 |
|---------|------|------|------|
| 後端啟動 | ✅ Pass | 14:15 | 健康檢查返回 200 |
| 前端載入 | ✅ Pass | 14:18 | 頁面正常顯示 |
| 發送消息 | ❌ Fail | 14:20 | CORS 錯誤 |
### 自動化測試
- 執行時間: 2025-10-21 14:25
- 結果: 1/3 通過
- 詳細報告: `reports/test_results.log`
---
## 📎 證據文件
- `artifacts/screenshots/cors_error.png` - CORS 錯誤截圖
- `artifacts/console.log` - 完整 Console 日誌
- `artifacts/server.log` - 後端服務日誌
---
## 🔍 下一步行動
1. 修復 CORS 配置（優先級: P0）
2. 重新測試 API 請求
3. 執行完整 UI 測試套件
4. 生成最終 BUGLIST.md
---
## 💡 學習與決策記錄
- **14:10** - 發現依賴未安裝，決定先執行 `pip install -r requirements.txt`
- **14:20** - CORS 錯誤出現，懷疑是 `allow_origins=["*"]` 配置問題，需要檢查 FastAPI 版本兼容性
```
### 4.2 LLM 使用進度文件的規則
1. **每次操作前必讀** `DEVELOPMENT_PROGRESS.md`
2. **每次操作後必更新**
3. **所有修改都要有證據**（截圖、日誌、diff）
4. **失敗的嘗試也要記錄**（避免重複錯誤）
5. **定期生成 BUGLIST.md 總結**
---
## 📦 5. 檔案骨架與參考實現
### 5.1 自動化測試腳本（`tests/test_browser.py`）
```python
#!/usr/bin/env python3
"""
瀏覽器自動化測試 - 基於 Playwright
用途: 自動打開頁面、收集 Console/Network 錯誤、模擬 UI 操作
"""
import asyncio
from playwright.async_api import async_playwright
import json
import os
from datetime import datetime
async def test_app():
async with async_playwright() as p:
browser = await p.chromium.launch(headless=False)
context = await browser.new_context()
page = await context.new_page()
# 收集日誌
console_logs = []
network_errors = []
# 監聽 Console
page.on("console", lambda msg: console_logs.append({
"level": msg.type,
"text": msg.text,
"timestamp": datetime.now().isoformat()
}))
# 監聽頁面錯誤
page.on("pageerror", lambda err: console_logs.append({
"level": "error",
"text": str(err),
"timestamp": datetime.now().isoformat()
}))
# 監聽網絡失敗
page.on("requestfailed", lambda req: network_errors.append({
"url": req.url,
"method": req.method,
"error": req.failure
}))
try:
print("📂 打開頁面...")
await page.goto("http://localhost:8000")
print("✅ 頁面載入成功")
# 等待頁面完全載入
await page.wait_for_load_state("networkidle")
# 截圖
os.makedirs("artifacts/screenshots", exist_ok=True)
await page.screenshot(path="artifacts/screenshots/initial_load.png")
print("📸 截圖已保存")
# 測試 UI 交互
print("\n🧪 開始 UI 測試...")
# 測試 1: 輸入文字
input_selector = "#userInput"
if await page.query_selector(input_selector):
await page.fill(input_selector, "測試訊息")
print("✅ 輸入框填寫成功")
else:
print("❌ 找不到輸入框")
# 測試 2: 點擊發送按鈕
send_btn = "#sendBtn"
if await page.query_selector(send_btn):
await page.click(send_btn)
print("✅ 發送按鈕點擊成功")
await page.wait_for_timeout(3000) # 等待響應
else:
print("❌ 找不到發送按鈕")
# 檢查響應
messages_area = "#messagesArea"
if await page.query_selector(messages_area):
content = await page.inner_text(messages_area)
if "測試訊息" in content:
print("✅ 訊息顯示正常")
else:
print("⚠️ 訊息未顯示")
# 保存結果
os.makedirs("artifacts", exist_ok=True)
with open("artifacts/console.json", "w", encoding="utf-8") as f:
json.dump(console_logs, f, ensure_ascii=False, indent=2)
with open("artifacts/network.json", "w", encoding="utf-8") as f:
json.dump(network_errors, f, ensure_ascii=False, indent=2)
# 分析錯誤
errors = [log for log in console_logs if log['level'] == 'error']
if errors:
print(f"\n⚠️ 發現 {len(errors)} 個 Console 錯誤:")
for err in errors[:5]: # 只顯示前5個
print(f" - {err['text']}")
else:
print("\n✅ 無 Console 錯誤")
if network_errors:
print(f"\n⚠️ 發現 {len(network_errors)} 個網絡錯誤:")
for err in network_errors[:5]:
print(f" - {err['url']}: {err['error']}")
else:
print("\n✅ 無網絡錯誤")
except Exception as e:
print(f"\n❌ 測試失敗: {e}")
await page.screenshot(path="artifacts/screenshots/error.png")
finally:
await browser.close()
if __name__ == "__main__":
asyncio.run(test_app())
```
### 5.2 一鍵調試腳本（`tests/auto_debug.sh`）
```bash
#!/bin/bash
echo "========================================="
echo "🚀 AI Nurse Chatbot - 自動化調試流程"
echo "========================================="
# 顏色定義
RED='\033[0;31m'
GREEN='\033[0;32m'
YELLOW='\033[1;33m'
NC='\033[0m' # No Color
# 清理之前的進程
cleanup() {
if [ -f .server.pid ]; then
kill $(cat .server.pid) 2>/dev/null
rm .server.pid
fi
}
trap cleanup EXIT
# 1. 檢查依賴
echo -e "\n${YELLOW}1. 檢查依賴...${NC}"
if ! command -v python3 &> /dev/null; then
echo -e "${RED}❌ Python3 未安裝${NC}"
exit 1
fi
if ! python3 -c "import playwright" 2>/dev/null; then
echo -e "${YELLOW}⚠️ Playwright 未安裝，正在安裝...${NC}"
pip3 install playwright
playwright install chromium
fi
# 2. 啟動後端
echo -e "\n${YELLOW}2. 啟動後端服務...${NC}"
python3 server_qwen.py > artifacts/server.log 2>&1 &
echo $! > .server.pid
sleep 3
# 3. 健康檢查
echo -e "\n${YELLOW}3. 健康檢查...${NC}"
if curl -s http://localhost:8000/health > /dev/null; then
echo -e "${GREEN}✅ 後端運行正常${NC}"
else
echo -e "${RED}❌ 後端啟動失敗${NC}"
cat artifacts/server.log
exit 1
fi
# 4. 運行瀏覽器測試
echo -e "\n${YELLOW}4. 運行瀏覽器自動化測試...${NC}"
python3 tests/test_browser.py
# 5. 分析結果
echo -e "\n${YELLOW}5. 生成測試報告...${NC}"
ERROR_COUNT=$(cat artifacts/console.json | grep -o '"level": "error"' | wc -l)
NETWORK_ERROR_COUNT=$(cat artifacts/network.json | jq '. | length' 2>/dev/null || echo 0)
cat > reports/test_summary.md << EOF
# 測試摘要報告
**時間**: $(date '+%Y-%m-%d %H:%M:%S')
## 結果統計
- Console 錯誤: $ERROR_COUNT
- 網絡錯誤: $NETWORK_ERROR_COUNT
## 詳細日誌
- Console 日誌: \`artifacts/console.json\`
- 網絡日誌: \`artifacts/network.json\`
- 服務器日誌: \`artifacts/server.log\`
- 截圖: \`artifacts/screenshots/\`
## 下一步
$(if [ $ERROR_COUNT -gt 0 ] || [ $NETWORK_ERROR_COUNT -gt 0 ]; then
echo "- [ ] 修復 Console/Network 錯誤"
echo "- [ ] 重新運行測試"
else
echo "- [x] 所有測試通過"
echo "- [ ] 進入下一階段開發"
fi)
EOF
echo -e "${GREEN}✅ 報告已生成: reports/test_summary.md${NC}"
# 6. 顯示摘要
if [ $ERROR_COUNT -gt 0 ] || [ $NETWORK_ERROR_COUNT -gt 0 ]; then
echo -e "\n${RED}⚠️ 發現問題，請查看報告${NC}"
exit 1
else
echo -e "\n${GREEN}🎉 所有測試通過！${NC}"
exit 0
fi
```
### 5.3 Bug 掃描工具（`tests/bug_tracker.py`）
```python
#!/usr/bin/env python3
"""
Bug 追蹤工具 - 自動掃描代碼中的 TODO/FIXME 和潛在問題
"""
import re
import os
from collections import defaultdict
def scan_file(filepath):
"""掃描單個文件"""
issues = []
try:
with open(filepath, 'r', encoding='utf-8') as f:
lines = f.readlines()
for i, line in enumerate(lines, 1):
# TODO/FIXME 標記
if re.search(r'(TODO|FIXME|XXX|HACK|BUG)', line, re.IGNORECASE):
issues.append({
'type': 'todo',
'file': filepath,
'line': i,
'content': line.strip()
})
# Console.error
if 'console.error' in line:
issues.append({
'type': 'error_handling',
'file': filepath,
'line': i,
'content': line.strip()
})
# 未定義變數（簡單檢測）
if 'undefined' in line.lower() and '//' not in line:
issues.append({
'type': 'undefined',
'file': filepath,
'line': i,
'content': line.strip()
})
except Exception as e:
print(f"⚠️ 無法讀取 {filepath}: {e}")
return issues
def main():
files_to_scan = [
'index.html',
'static/app.js',
'server_qwen.py'
]
all_issues = defaultdict(list)
print("🔍 開始掃描代碼...")
print("=" * 60)
for filepath in files_to_scan:
if os.path.exists(filepath):
issues = scan_file(filepath)
for issue in issues:
all_issues[issue['type']].append(issue)
# 輸出報告
print("\n📋 掃描結果:\n")
if all_issues['todo']:
print(f"📝 待辦事項 ({len(all_issues['todo'])}):")
for item in all_issues['todo'][:10]: # 只顯示前10個
print(f" 📍 {item['file']}:{item['line']}")
print(f" {item['content']}\n")
if all_issues['error_handling']:
print(f"⚠️ 錯誤處理 ({len(all_issues['error_handling'])}):")
for item in all_issues['error_handling'][:5]:
print(f" 📍 {item['file']}:{item['line']}")
print(f" {item['content']}\n")
if all_issues['undefined']:
print(f"❓ 可能的未定義變數 ({len(all_issues['undefined'])}):")
for item in all_issues['undefined'][:5]:
print(f" 📍 {item['file']}:{item['line']}")
print(f" {item['content']}\n")
# 生成 BUGLIST.md
with open('reports/BUGLIST.md', 'w', encoding='utf-8') as f:
f.write("# Bug 清單\n\n")
f.write(f"**生成時間**: {os.popen('date').read().strip()}\n\n")
for issue_type, items in all_issues.items():
f.write(f"## {issue_type.upper()} ({len(items)})\n\n")
for item in items:
f.write(f"- [ ] `{item['file']}:{item['line']}` - {item['content']}\n")
f.write("\n")
print(f"\n✅ Bug 清單已保存到 reports/BUGLIST.md")
print(f"📊 總計發現 {sum(len(items) for items in all_issues.values())} 個潛在問題")
if __name__ == "__main__":
main()
```
---
## ✅ 6. 驗收標準（Definition of Done）
在宣告開發完成前，必須滿足以下條件：
### 6.1 後端服務
- [ ] `python server_qwen.py` 可成功啟動
- [ ] `/health` 端點返回 `{"status": "healthy"}`
- [ ] 無 Python traceback 錯誤
- [ ] 日誌中無 `ERROR` 級別訊息（警告可接受）
### 6.2 前端頁面
- [ ] 頁面可正常載入（無白屏）
- [ ] 無 JavaScript 錯誤（Console 乾淨）
- [ ] 無 404 資源載入錯誤
- [ ] 所有 UI 元素正確渲染
### 6.3 核心功能
- [ ] 輸入框可正常輸入
- [ ] 發送按鈕可點擊並觸發請求
- [ ] API 請求成功（無 CORS 或 500 錯誤）
- [ ] 聊天訊息正確顯示
### 6.4 文檔完整性
- [ ] `DEVELOPMENT_PROGRESS.md` 已更新
- [ ] `reports/BUGLIST.md` 已生成
- [ ] 所有證據文件已保存（截圖、日誌）
- [ ] 測試報告已生成
---
## 🎯 7. LLM 操作提示詞（Prompts）
### 7.1 System Prompt（持久化）
```
你是一個能操作工具的全端開發代理，負責開發 AI Nurse Chatbot 專案。
**核心原則**：
1. 小步快跑 - 每次只改一處，立即驗證
2. 證據驅動 - 所有決策基於實際錯誤日誌/截圖
3. 進度透明 - 每步操作更新 DEVELOPMENT_PROGRESS.md
4. 安全第一 - 遵守工具安全閘門規則
**必讀文件**（每次操作前）：
- DEVELOPMENT_PROGRESS.md（了解當前狀態）
- reports/BUGLIST.md（已知問題清單）
**工作流程**：
1. 讀取進度文件
2. 選擇下一個待處理任務
3. 使用工具執行操作
4. 收集證據（日誌/截圖）
5. 更新進度文件
6. 如遇錯誤，按決策樹處理
**禁止行為**：
- 未讀進度文件就開始操作
- 沒有證據的臆測
- 執行危險 shell 命令
- 跳過測試直接部署
```
### 7.2 開發啟動 Prompt
```
請啟動 AI Nurse Chatbot 的開發環境並完成冒煙測試：
**目標**：
1. 後端服務啟動並通過健康檢查
2. 前端頁面可正常載入
3. 發送測試訊息可得到響應
4. 生成完整的測試報告和 Bug 清單
**流程**：
1. 讀取 DEVELOPMENT_PROGRESS.md 了解當前狀態
2. 執行 tests/auto_debug.sh 自動化測試
3. 如有錯誤，按決策樹逐一修復
4. 更新進度文件記錄所有操作
5. 生成最終報告
**產出**：
- 運行中的服務（後端 + 前端）
- reports/test_summary.md
- reports/BUGLIST.md
- DEVELOPMENT_PROGRESS.md（最新狀態）
```
### 7.3 Debug Prompt
```
發現以下錯誤，請協助調試：
**錯誤描述**：
[Console Error / Network Error / Python Traceback]
**要求**：
1. 使用決策樹定位問題類型
2. 使用工具收集詳細信息（console_logs / network_logs / fs.read）
3. 提出修復方案（附帶代碼 diff）
4. 應用修復並驗證
5. 更新 DEVELOPMENT_PROGRESS.md 記錄過程
6. 如失敗，記錄失敗原因並嘗試備選方案
**禁止**：
- 直接給出未驗證的修復代碼
- 修改無關文件
- 跳過證據收集步驟
```
---
## 📚 8. 參考資料與擴展
### 8.1 快速參考
- Playwright 文檔: https://playwright.dev/python/
- FastAPI 文檔: https://fastapi.tiangolo.com/
- Edge TTS: https://github.com/rany2/edge-tts
### 8.2 常見問題
**Q: CORS 錯誤如何修復？**
A: 檢查 `server_qwen.py` 中的 `CORSMiddleware` 配置：
```python
app.add_middleware(
CORSMiddleware,
allow_origins=["*"], # 開發環境允許所有來源
allow_credentials=True,
allow_methods=["*"],
allow_headers=["*"],
)
```
**Q: Playwright 安裝失敗？**
A: 執行以下命令：
```bash
pip install playwright
playwright install chromium
```
**Q: 如何查看完整的後端日誌？**
A:
```bash
tail -f artifacts/server.log
# 或
cat artifacts/server.log | grep ERROR
```
---
## 🚀 9. 快速開始
```bash
# 1. 克隆專案（如果尚未克隆）
git clone <repo-url>
cd ai_nurse_chatbot
# 2. 創建必要目錄
mkdir -p tests artifacts/{screenshots,logs} reports
# 3. 給予腳本執行權限
chmod +x tests/auto_debug.sh
# 4. 執行一鍵測試
./tests/auto_debug.sh
# 5. 查看報告
cat reports/test_summary.md
cat DEVELOPMENT_PROGRESS.md
```
---
## 📝 10. 變更歷史
| 版本 | 日期 | 變更內容 | 作者 |
|------|------|----------|------|
| 1.0.0 | 2025-10-21 | 初始版本 - 整合工具介面與實戰腳本 | LLM |
---
**END OF SKILL.MD**