What2eat

歷史專案，保留程式、研究模型與既有結果供回顧參考。本次整理未啟動服務、爬取評論或呼叫雲端 API。

整合 React 地圖介面、Google Maps 餐廳評論、LoRA 問答分析、Vertex AI Gemini 摘要與 Firestore 儲存的美食探索應用。

程式入口與保存內容

路徑	用途
restaurant-app/	React 18 / Vite 6 前端，提供地圖與餐廳搜尋介面
restaurant-app/package.json	前端 dev、build、lint、preview 指令
scraper/app.py	Flask API、Selenium 評論擷取、LoRA 問答及 Gemini 分析、Firestore 存取
scraper/pyproject.toml	Python ^3.12 的 Poetry 依賴宣告，另有 poetry.lock 與 requirements.txt
restaurant-app/server/	另存的 Express 附近餐廳查詢服務，程式標註計畫移往 Python；不代表兩個後端都需同時啟動
scraper/lora_qa_model_new/	保存的 LoRA adapter 與訓練相關檔案
results/	已保存的分析結果

重現限制

• 需要另行設定 Google Maps API、Google Cloud 服務帳戶、Firestore 與 Vertex AI；雲端專案設定仍含原開發環境的固定值。
• Flask 讀取 VITE_GOOGLE_MAPS_API_KEY 與 GOOGLE_APPLICATION_CREDENTIALS 環境變數；後者是本機服務帳戶憑證檔案路徑。真實憑證不應提交至 repo。
• Gemini 呼叫指定 gemini-1.5-pro-002；本次未驗證該模型與現行雲端 API 的可用性。
• 啟動程式會依 adapter 設定載入基底問答模型，再載入 LoRA adapter；repo 內的 adapter 不等同完整基底模型。
• Selenium 依賴 Chrome 與 ChromeDriver，現行 Flask 程式使用 webdriver-manager；保存的 Windows driver 不代表能配合目前瀏覽器。
• 後端路徑以 repo 根目錄為基準，例如 scraper/lora_qa_model_new/lora_qa_model_new。若重啟研究，需確認工作目錄、前端 API 位址與後端埠一致。
• scraper/app.py 直接啟動時使用 Flask debug 模式與 5000 埠；Express 預設使用 5001 埠。這些是原始設定，不是生產部署方案。
• 未重新驗證 Google Maps 頁面結構、評論筆數、模型效果、前端建置或完整環境安裝。

歷史操作入口

前端 scripts：

cd restaurant-app
npm install
npm run dev
# 其他：npm run build、npm run lint、npm run preview

Python 依賴與外部設定準備完成後，原始 Flask 入口從 repo 根目錄執行：

python scraper/app.py

以上僅紀錄入口。完整重現仍需補齊雲端資源、基底模型、瀏覽器環境與設定，並在獨立環境驗證。

保存原則

保留原始程式、模型 adapter、結果與依賴檔。本次僅整理說明，未替換雲端模型或改動功能。repo 根目錄尚無專案授權文件，本次未自行指定新授權。

原始功能介紹

以下保留當年的功能定位與設計敘述；其中「最新 100 筆評論」等敘述未在本次重新驗證。

What2eat 是一個幫助用戶快速了解餐廳評論和探索附近美食的應用程式，專為解決繁忙生活中的美食決策困難而設計。

功能簡介

1. 快速評論搜尋

   • 使用 Google Maps API，支援用戶輸入餐廳名稱或選擇地圖上的餐廳。
   • 爬取 Google 上該餐廳的最新 100 筆評論。

2. 智能評論分析

   • 後端透過 LoRA 模型（小型 LLM）對評論進行優缺點分析，並篩選出推薦的食物。
   • 使用 Vertex AI 的 Gemini（大型 LLM）進一步整理數據上述產生的優缺點，進行二次篩選，生成簡短精確的優缺點和推薦食物。

3. 地圖定位與餐廳探索

   • 系統會自動偵測用戶所在位置，並以地圖方式呈現附近的熱門餐廳。
   • 點擊地圖上的餐廳標記，即可快速檢視分析結果。

4. 清晰的總結評價

   • 提供清晰的優缺點清單與簡短總評，讓用戶能快速掌握餐廳狀況。

技術架構

• 前端：使用 React 開發，用於實現互動式用戶介面。
• 後端：基於 Python Flask，負責處理爬蟲與評論分析邏輯。
• 資料庫：採用 Firestore 儲存評論的原始數據與分析結果。
• API 整合：
  • Google Maps API：定位與餐廳數據顯示。
  • Vertex AI Gemini：生成精簡評論分析。

適用場景

• 個人使用：快速決定想去的餐廳，了解餐廳的優缺點與推薦菜色。
• 餐廳經營者：獲取用戶對餐廳的評論分析，進一步改善經營策略。