RAG（檢索增強生成）
一句話解釋
AI 回答前先從知識庫裏檢索出相關資料，再根據這些資料生成回答的方法。
RAG 解決兩個問題：模型不知道企業內部資料；資料太多，不能全部放進上下文。檢索出最相關的幾段交給模型，既準確又省 Token。
RAG 的效果取決於檢索準不準：資料怎麼切塊、用什麼方式檢索、取幾段，都會影響結果。
舉個例子
官網銷售顧問收到「你們能做海外 GEO 嗎」，先從官網資料裏檢索出海外版的介紹，再據此回答。
相關術語
- 知識庫Knowledge Base
- 存放企業資料和經驗、供 AI 檢索和引用的資料庫，讓 AI 按企業自己的事實回答問題、寫內容。
- 向量（Embedding）Embedding
- 把一段文字或一張圖片轉換成一串數字，意思相近的內容，數字也相近，用來按意思找資料。
- 向量數據庫Vector Database
- 存儲向量、並能快速找出意思最接近內容的數據庫，是 RAG 和知識庫檢索的常用組件。
- 文本切塊（Chunking）Chunking
- 把長文檔切成大小合適的小段，再存進知識庫，方便檢索時只取出相關的部分。
