iT邦幫忙

2025 iThome 鐵人賽

DAY 14
0
生成式 AI

生成式 AI 30 天觀念導讀:不寫程式也看懂的實戰思維系列 第 14

Day 14|RAG 入門:為什麼比硬調模型更務實

  • 分享至 

  • xImage
  •  

為什麼需要談?
文件每天在變;重訓模型貴又慢。RAG 把「知識更新」變成「文件治理」問題,成本更可控。

白話定義
RAG=檢索(先找到對的段落)+生成(用段落回答,並標來源)。不是讓模型硬記,而是「邊查邊答」。

常見情境

內規/流程/FAQ(需要最新版本、可溯源)

產品/技術文件(跨文件比對、摘錄)

合規與審計(每句關鍵說法都要有出處)

常見誤解

有 RAG 就不會胡扯(檢索不到或來源矛盾照樣亂講)

只有向量搜就夠(專有名詞、代碼需要關鍵字/規則搭配)

實用心法

三角決策:

RAG:知識常變、需引用、資料可治理 → 先選它

微調:表達風格/任務格式高度一致且穩定

工具連結:答案依賴外部事實(資料庫、查詢器)

資料先行:投入在文件清整、語義切塊、近新版本加權。

引用強制:沒有來源就不給結論(或降級為「可能」說法)。

檢核清單

文件是否有版本控管與過期標示?

切塊是否以語義單位而非固定長度?

回答是否一律附來源與段落定位?

小結
RAG 不是萬靈丹,但它把「更新知識」的難題搬到你能掌控的地方:文件與流程。


上一篇
Day 13|Context Window 與壓縮:把字數留給關鍵
下一篇
Day 15|Embedding 與索引:找得到,才答得好
系列文
生成式 AI 30 天觀念導讀:不寫程式也看懂的實戰思維19
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言