六十影響報告書

問題

慈濟基金會 60 週年出版了《六十影響報告書》，是一份用 InDesign 排版的長篇繁體中文印刷品：約 64 個跨頁、682 個文字 story。它需要一個能在手機上閱讀的網站版。報告書的內容也值得拿來提問：問一個問題，答案要能指回它出自哪一頁。

我做了什麼

同一份原始檔，兩個用途。第一個是公開網站：18 頁，用 Astro 建置，部署在 Cloudflare Pages。第二個是 Python 寫的 RAG 管線，把 InDesign 檔（文字、頁面重建圖、圖片）寫進我自己做的 BaaS drust 的向量庫，再由一個小型 Flask 介面回答問題，每個說法都標上（頁N）出處。問答工具只在本機執行，沒有對外開放。

運作方式

1. 解析器直接讀解壓後的 IDML：頁面、帶字級與座標的精準文字塊、置入的圖片。
2. 重建器畫出每一頁的近似版面圖，把真正的連結圖片放到正確位置，並替每個文字塊標上編號。
3. 本地視覺模型看這張圖，只回傳 JSON：每個編號的閱讀順序、角色與標題層級。
4. Python 依這個順序，用 IDML 原文組出 Markdown 與 chunks，以 2,560 維模型向量化，寫入 drust 的 pages、chunks、images。
5. 查詢時：先對 chunks 做向量搜尋再 rerank，命中夠強的段落會擴展成整頁內容當上下文；概括性的問題則改用入庫時預先產生的頁摘要來回答。

關鍵決策

• 視覺模型不重打字。 它只決定順序與結構，正文一律取自 IDML。面對複雜的印刷版面，也不會有 OCR 誤差。
• 只用本地模型。 對話、視覺、嵌入、rerank 全部跑在自架的 Qwen3 模型上，透過 OpenAI 相容的 proxy 呼叫，不依賴任何外部 AI API。
• 網站逐頁遷移。 第一版是零依賴的 HTML。我用 Astro 包住它，讓新舊頁面可以並存上線；另外寫了驗證腳本，因為同名時 Astro 會默默採用舊檔。
• 內容只有一個來源。 repo 裡的 JSON 是唯一真實來源，drust 只是用腳本推送的鏡像；drust 讀取失敗時，網站退回本地 JSON。

成果

網站已上線於 60impact.tzuchi.org.tw，18 頁全部遷移為 Astro，每次 push 到 main 由 CI 自動部署。問答工具維持本機使用，答案附頁碼出處。全程由我一人完成，以 Claude Code 按 spec → plan → implement → review 的流程開發。