
在企業資訊架構中,我們經常處理大量的非結構化資料。然而,如果知識沒有經過妥善管理,它們就會變成「流浪知識」——雖然存在於系統中,卻缺乏權威性與時效標記。當 AI 檢索到這些未經治理的資訊時,產出的結果往往會導致嚴重的作業混亂。
身為系統架構師,我們必須意識到,知識庫的建置不只是單純的「資料搬家」,而是要為知識蓋一座具備嚴格秩序的房子。這就是「作業依據中心 (BAIOS)」的概念。在這個中心裡,每一份入庫的知識都必須配發一張「身分證」。這不僅是為了標記,更是為了建立「引用義務」,確保 AI 輸出的每一句話都有其法理依據與生存區間。
在開發「作業依據中心 v0.1」時,我們遭遇了一個典型的架構失敗案例。傳統開發邏輯習慣「按版本號排序,取最新的一份」,但在專業規範中,這是一個極其危險的陷阱。
考慮以下場景:系統中同時存在兩份「高保額核保規範」:
當系統在 8 月 3 日執行測試時,傳統的「最新版優先」邏輯直接抓取了 v1.3。結果導致原本「宜」進行的電話確認,提前一個月變成了「應」執行;500 萬的門檻也提前降至 300 萬。這種版本誤用將直接導致合規風險與作業成本的無端增加。
> 最新版 ≠ 現行版:v1.3 尚未生效,今天引用門檻應答 500 萬(v1.2)
這項失敗給了我們深刻的教訓:知識的權威性不取決於版本號的高低,而是取決於當下日期是否落在其「生效區間」內。
為了確保資料完整性(Data Integrity),知識身分證必須具備「強制驗證」功能。它不只是顯示在介面上的標記,而是儲存層(Storage Layer)的硬性約束。一份合格的身分證必須包含:
從架構角度看,身分證具備「驗證器」的功能:如果「失效日早於生效日」,或者「公開法規」類別缺少官方出處,系統必須強制拒絕錄入。此外,我們採用 Append-only 稽核模式,所有異動皆須留痕,嚴格禁止無聲的覆蓋。
> 身分證是驗證器,不是欄位註解
在實務中,新舊版本之間可能存在「空窗期」(如舊版提早失效,新版尚未生效)。此時,傳統 RAG(檢索增強生成)系統常會因為「真空填充效應」,硬塞一個最接近但無效的答案。
在 BAIOS 的邏輯中,我們導入了 is_in_force 過濾網與 current_of(現行版查詢)功能。如果查詢當下不在任何規範的有效期間內,系統必須回傳 「None」。
這種「找不到依據就回傳 None」的設計,是解決 AI 幻覺問題的關鍵。系統必須具備「誠實的勇氣」,寧可承認知識不存在,也不要憑印象回答。這種嚴謹性在 17 項新增的過濾測試中全數通過,確保了 135 項系統測試的完整性。

為了建立 AI 的公信力,我們將入庫知識區分為五類,並設定不同的入庫紀律:
透過這種分類,我們將法規資訊從模糊的「聽說」轉變為具備法律效力的「權威」。特別是「公開法規」類別,若缺少官方連結,驗證器會直接攔截,確保進入知識庫的每一條法規都是言之有據的「真理」。
「作業依據中心 v0.1」的產出,標誌著我們從單純的資料儲存轉向嚴謹的知識治理。透過「現行版查詢 (current_of)」邏輯與強大的身分證驗證機制,我們成功讓系統在 135 項測試中保持全勝。
「找不到依據就說找不到」,這並非系統的無能,而是架構師賦予 AI 的道德準則與法律自覺。這正是讓 AI 從「聊天機器人」轉型為「專業作業助手」最關鍵的第一步。
留給讀者的思考題: 在你的工作流程中,是否也存在著那些看似「最新」卻「尚未生效」,或早已「過期」卻仍被引用的危險知識?