AI 入門第七課
讓 AI 先讀資料，再回答你。
RAG 不是讓 AI 變聰明，而是先把可靠資料找出來，讓它像開卷考試一樣回答。
視覺速記
這堂課解決什麼問題？
模型不知道你的公司規則、產品資料、會議紀錄或最新版本文件。這不是 prompt 寫得不夠長，而是它手上沒有可用資料。RAG 的做法是先找資料，再要求 AI 只根據找到的內容回答。
RAG 的五段流程
問題
使用者問了什麼？先確認問題是否具體。
找資料
從已核准的文件、表格或知識庫找相關段落。
給上下文
把最相關的來源交給 AI，不是把所有檔案塞進去。
回答
要求回答只根據來源，資料不足就明說。
驗證
檢查回答是否對應來源、是否過期、是否漏掉例外。
什麼時候該用 RAG？
| 情況 | 適合 RAG | 先不用 RAG |
|---|---|---|
| 資料 | 有自己的 FAQ、規範、產品資料或文件。 | 只是一般寫作或腦力激盪。 |
| 更新 | 內容常更新，不能只靠模型舊知識。 | 知識固定且不需要引用來源。 |
| 風險 | 回答需要可追溯依據，例如客服、內部 SOP。 | 答案只是草稿，人工本來就會全面重寫。 |
| 資料品質 | 能選出權威版本並移除過期資料。 | 文件彼此矛盾、沒有負責人、也不知道哪份為準。 |
80 分鐘教學流程
0-15
min
min
挑一個小知識庫
選 5 到 10 份可靠資料，例如產品 FAQ、活動規則或內部 SOP。
15-30
min
min
標記來源與版本
每份資料寫清楚誰負責、何時更新、哪些人可以使用。
30-50
min
min
做開卷回答
先把相關段落交給 AI，要求它引用段落並在資料不足時停下來。
50-65
min
min
用 5 題測試
準備已知答案、找不到答案、過期資料、相近但不同的問題，各測一次。
65-80
min
min
留下檢查規則
定義何時要引用、何時要說不知道、何時必須人工覆核。
跟著做：30 分鐘手動 RAG 練習
先不要安裝向量資料庫。打開你慣用的 AI 對話工具，準備三份短而可靠的資料，就能把「先找資料、再回答」完整跑一次。
1
建立一份來源清單
新增一個筆記，名稱可叫「客服知識包」。貼入三段資料：退款規則 v2026-07-01（14 天內可申請）、運送說明 v2026-07-01（一般配送 3 至 5 個工作天）、產品 FAQ v2026-07-01（不支援客製刻字）。每段前面都保留標題、日期與負責人。
2
先建立回答規則
把下方模板貼進 AI，再把三段來源資料貼在後面。這一輪的目的不是寫得漂亮，而是讓 AI 學會「沒有來源就停下來」。
3
連問五題
依序測：「何時能退款？」「多久收到？」「能不能刻名字？」「可不可以海外配送？」「超過 14 天還能退嗎？」第 4 題必須得到「資料不足」，不是 AI 猜出一個答案。
4
逐題驗收
每一題都檢查四件事：答案是否正確、是否點到正確來源、是否漏掉日期或例外、資料不足時有沒有真的停下來。把錯誤直接記在原問題下方，下一輪只改規則或來源其中一項。
這一版故意是手動的
你現在是在驗證「資料是否乾淨、問題是否值得做、回答規則是否有效」。只有資料會持續更新、測試已穩定、而且確定誰能看哪些資料時，再考慮第 5、6 課的自動化或 RAG 工具。
實作案例：把產品 FAQ 變成可查問答
輸入
已核准的產品 FAQ、退換貨規則、客服話術；每份都標示版本與日期。
輸出
客服草稿加上來源段落。找不到依據時，回覆「目前資料不足，請轉人工確認」。
可複製模板
你只能根據我提供的來源資料回答。
問題是：[問題]
來源資料是：[貼上相關段落或文件摘要]
請輸出：
1. 直接答案
2. 支持答案的來源重點
3. 資料不足、過期或互相矛盾的地方
4. 是否需要人工確認
如果來源沒有答案，請直接說「資料不足」，不要自行補充。
驗收與課後作業
完成後，把你最常被問的一題換成真實問題再測一次。若 AI 答錯，先判斷是來源錯、來源缺，還是規則沒有說清楚，不要立刻換工具。
Cheat Sheet
RAG 的工作
補最新與私有資料，不是把模型重新訓練一遍。
可信來源
先確認版本、負責人、更新日與權限。
安全回答
沒有來源就說資料不足，不能硬答。
FAQ
RAG 可以完全消除幻覺嗎？
不行。它能降低亂答，但仍要檢查檢索到的資料是否正確、回答是否真的依據來源。
一定要先做向量資料庫嗎？
不用。第一版先用少量、清楚的文件與人工挑選相關段落，先驗證問題與資料品質。
可以把所有公司文件都丟進去嗎？
不建議。先處理權限、敏感資料、版本與保留期限，再決定哪些資料能被檢索。