RAG 是什麼？
RAG（Retrieval-Augmented Generation）是一種先搜尋、再生成的做法。系統先從你提供的文件找出相關段落，再把那些段落交給大型語言模型整理成答案。
企業可把 PDF、Word、Excel、FAQ、SOP、商品資料或資料庫內容建成可搜尋的知識來源。使用者用自然語言提問，例如「這項產品的保固條件是什麼？」答案應附上來源，而不是只給一段無法核對的文字。
它解決什麼問題？
文件很多、關鍵字不好記、新人重複問同一件事時，RAG 比再做一套靜態 FAQ 更接近實際問法。它適合制度、產品說明與內部 SOP，不適合取代尚未定義規則的商業決策。
和 ChatGPT、Fine-tuning 的差別
直接使用 ChatGPT，模型並不知道你未提供的內部文件。Fine-tuning 改變的是模型行為或格式，檔案一更新就不會自動學會。RAG 則在每次提問時重新檢索，比較適合會改版的公司文件。
RAG 仍可能抓錯段落或誤解句子。實務上要顯示來源、限制可檢索範圍，並安排文件更新與下架，而不是宣稱零幻覺。
建置時要先決定的事
包含哪些資料、誰能查哪一類文件、答案能不能被客服直接貼給客戶，以及過期文件由誰更新。這些沒定之前，不適合承諾時程與價格。
作者
葉科技
我們有 13+ 年軟體開發經驗，專注 AI 系統整合與 Web 系統開發。公司自 2022 年設立，實作包含自有 AI 影音 SaaS、會員與進銷存系統、後台，以及把辨識能力嵌進既有產品。
常見問題
RAG 需要把公司資料拿去訓練模型嗎？
一般不需要。文件是被檢索，再提供給模型當參考。是否允許供應商保留資料，要看你選用的 API 方案與合約。
下一步請看 RAG / AI 知識庫開發。