LIUS Cookbook
CC0每個 recipe 直接在 lius.cc 顯示完整內容（不必離站、不必 GitHub 帳號、不必 Colab）。 學者跟著看 → 改一行 prompt → 寫到論文裡 → 引用 LIUS API。
📦 進階使用者可選：GitHub Repohttps://github.com/lius-cc/lius-cookbook
How we use the RAG API
從零開始：30 行 Python 跑通 RAG → top-N 檢索 → 注入 LLM context。
How we use the Model
本地 LM Studio / Ollama / vLLM 跑 Daoism-Qwen3.5-9B 完整流程。
How we use the Dataset (offline RAG)
下載 95k 資料 → bge-m3 embedding → FAISS 索引 → 完全離線 RAG。
How we read the Canon (道德經三欄)
Demo #5 完整重現：原文（王弼本，公眾領域）+ 白話翻譯（館內 CC0）+ 即時 RAG 注釋。
How we build a Literature Map
Demo B 重現：9,200 篇道教論文索引 + BibTeX 一鍵匯出。
How we build a Deity Guide
Demo C 重現：神祇職司 + 聖地 + 跨派稱呼差異。
How we compare Cross-Sect Terms
Demo D 重現：並行雙鏈路 + 差異標註（正一 vs 全真 vs 閭山 vs 民間）。
How we trace Citations
Demo E 重現：引文回溯 + ABCD 信賴度分級 + 「只回溯不解讀」原則。
How we build a Temple Bot (A1)
RAG-only 對話 Bot，含 22 條 client-side 紅線 regex 守則 + LINE OA webhook 範例。
How we build a Ritual Flow
Demo A 代表案例：科儀流程 + 法器 + 派別差異（三欄式：原文 / 派別差異 / 法器）。
How we build /api/llm/generate (A2 / A3)
一個 endpoint，多 task 專屬 prompt；多 provider fallback；5 req/min。
How we build a Field-Interview Helper (B3)
貼逐字稿 → LLM 自動標 8 類 entity（神祇/儀式/經文/流派/概念/聖地/人物/禁忌）+ lius.cc 推薦連結。LLM-only，不打 RAG。
# 在你的論文裡，這樣引用： We use the open-source Daoism-Qwen3.5-9B model (Liu & Dingren Daoxue Lab, 2026) together with the daoism-knowledge-rag dataset and the public RAG API at https://lius.cc/api/llm-rag (CC0 metadata, Apache 2.0 model).