RAG 60–90 分鐘實作課
最終回
文件・切・找・排・答・查
集結！
一條線，走完整堂課
最後一句——
RAG 的價值，
不在於讓大型語言模型知道更多，
而在於讓它在回答當下，
拿到正確的證據。
再加一句，給企業主管
真正成熟的 RAG，
不是每次都回答得像專家；
而是我們知道它讀了什麼、
根據什麼回答，
以及答錯時應該修改哪一個環節。
當公司有人說：「我們想做一個 RAG。」——先問十題
1我們準備讓它回答什麼問題？
2正確答案目前存在什麼文件？
3哪些文件才是有效版本？
4文件應該怎麼切，才不會破壞意思？
5問題偏向精確關鍵字，還是自然語言？
6是否需要 Hybrid Retrieval？
7Retrieval 要抓多少候選資料？
8是否值得加入 Reranker？
9模型能不能在資料不足時明確拒答？
10有沒有固定測試題，判斷修改後到底有沒有進步？
1我們準備讓它回答什麼問題？
2正確答案目前存在什麼文件？
3哪些文件才是有效版本？
如果前面三題答不出來——
先不要買向量資料庫。
停手！
因為公司現在缺的，
不是 RAG 技術。
缺的是：
RAG 60–90 分鐘實作課・全劇終
完
答錯時，先問：錯在哪一步？