為什麼需要 RAG？
光靠大語言模型（LLM），有一個致命限制：它知道的，只是訓練時的知識，無法即時存取最新或企業內部的資料。

RAG（Retrieval-Augmented Generation）解決的就是這個問題：
Retrieval：從知識庫裡抓相關內容
Augmented：把內容丟給模型當上下文
Generation：最後由 LLM 生成更準確的答案

這讓模型不只是「說故事」，而是「帶根據地回答問題」。

RAG 系統的最小組成
從零開始，其實不需要太複雜，只要三個核心模組：

1. 文件收集（Ingestion）
   收集 PDF、Word、Excel、網站資料
   轉成純文字

2. 向量化與檢索（Embedding + Vector DB）
   把文字切成段落（Chunking）
   用 embedding 模型（如 OpenAI text-embedding-3-small）轉成向量
   存到向量資料庫（如 FAISS、Milvus、Pinecone）

3. 問答生成（LLM + Prompt）
   使用者問題 → 檢索相似段落
   把段落 + 問題丟進 LLM
   回答時附帶來源，提升可信度

從零開始的步驟

Step 1：準備環境
Python 3.9+
安裝套件：

pip install openai faiss-cpu langchain

Step 2：文件切割與向量化
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.embeddings import OpenAIEmbeddings
import faiss

docs = ["這是一段工廠SOP...", "另一份維修紀錄..."]

# 切割文件
splitter = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=50)
chunks = splitter.split_text("\n".join(docs))

# 向量化
embeddings = OpenAIEmbeddings(model="text-embedding-3-small")
vectors = embeddings.embed_documents(chunks)

# 建立 FAISS 向量庫
index = faiss.IndexFlatL2(len(vectors[0]))
index.add(vectors)

Step 3：檢索 + 問答
import openai
import numpy as np

query = "昨天B線停機的主要原因？"
q_vec = embeddings.embed_query(query)

# 找出前3個相關段落
D, I = index.search(np.array([q_vec]), k=3)
retrieved = [chunks[i] for i in I[0]]

# 丟進 LLM
context = "\n".join(retrieved)
prompt = f"根據以下內容回答：\n{context}\n\n問題：{query}\n答案："
resp = openai.ChatCompletion.create(
  model="gpt-4o-mini",
  messages=[{"role": "user", "content": prompt}]
)
print(resp["choices"][0]["message"]["content"])