iT邦幫忙

2026 iThome 鐵人賽

DAY 20
0
AI Engineering

和 AI 一同打造個人專用知識庫:從零散資料到可運用的知識系列 第 20 篇

Day 20|創建知識庫之旅:拆開文章後,資料還看得出在講什麼嗎或者可能出現問題?

  • 分享至 

  • xImage
  •  

我一開始想把長文章拆開,是為了之後比較好找資料。如果一篇文章講了幾個不同工具,就把它們分開保存;如果是同一個主題的不同章節,就保留母文章,再把章節放在它底下。這樣要找某一段內容時,不用每次都重翻整篇。

當時我注意的是資料能不能拆開、能不能找回來。直到後來看到一筆補強結果不對,我才回頭想:
拆完之後,每一筆資料還看得出自己在講什麼嗎?

補強後,我才注意到「主要好處」

之前的補強紀錄裡,有一筆原本屬於 RAG 文章的子章節,卻被補進與 RAG 無關的內容。
看到這個結果,我一開始會覺得是 AI 辨識錯主題、找錯資料。

回頭看那筆資料,才發現它拆分後保存的名稱只有「主要好處」。如果只把這四個字拿給我看,我也不一定知道它是 RAG 的主要好處,還是另一個工具、另一篇文章的主要好處。

原本拆開文章是想讓資料更容易閱讀和搜尋。但子章節一旦離開母文章,名稱若沒有留下足夠線索,後面的人或處理程序就得再猜一次它屬於什麼主題。

https://ithelp.ithome.com.tw/upload/images/20261004/20183856mqBhkYXxbI.png

圖說:先發現補強內容偏題,才回頭注意到子章節名稱「主要好處」。圖中區分已看到的現象與仍待核對的原因;依歷史紀錄整理,非系統截圖或修復結果。

問題可能從哪一步開始?

我想回頭查的是文章怎麼被拆開。系統會判斷,一篇內容是在講幾個各自獨立的主題,還是在講同一個主題底下的不同章節;拆分後,也會替每一筆產生名稱和內容。

在這個例子裡,「主要好處」確實是個太籠統的名稱。它雖然掛在母文章底下,單獨看卻無法辨認主題。我懷疑拆分時保留下來的名稱,可能沒有把後續處理需要的脈絡一起帶出來。

不過,這還是我根據結果提出的判斷。現在缺少當次原文與拆分輸出的完整對照,不能直接說原文的小標原本寫了「RAG 的主要好處」,是 AI 把「RAG」刪掉了;也不能只憑這個名稱,就認定拆分是補強偏題的唯一原因。

歷史紀錄能確認另一件事:當時的補強程序曾只拿簡短的子章節標題去研究,沒有帶入母文章和摘要等背景。後來這段流程補上了背景資訊,當時的重跑結果也回到了正確主題。但那次修正,不等於拆分後的名稱與父子關係從此都經過了核對。

我想先確認關係,再決定怎麼改

如果再遇到「主要好處」這種名稱,我不希望系統看到它掛在 RAG 文章底下,就直接改成「RAG 的主要好處」。我想先對照原文、子章節的實際內容,以及它和母文章的關係,確認這一節到底在講什麼。

確認後,才知道名稱該怎麼改。如果原文和拆分結果對不起來,或是關係仍看不清楚,就先標成待確認。多做一張補充卡片來解釋模糊名稱,沒有解決我回頭查到的問題。

NotebookLM 補強也還有自己的修正工作:研究結果要能對照來源與原本的主題,寫回時也要避免同一次工作因重試而重複附加。這些不能因為先處理拆分問題就略過,但我想把兩段流程分開查,才知道各自該修哪裡。

先留下能查證的問題

這次是先看到補強結果不對,才一路回查到拆分後的名稱。它讓我發現,資料拆得開、找得到,還不夠;拆出來的章節也要讓人知道它和原文是什麼關係。

目前已把「拆分後的關係與命名」及「補強的來源核對與可靠寫回」分開記入改善工作。這次還沒有完成程式修正或重新驗收。接下來要先找回可對照的原文與拆分結果,再用相同的小標題可能屬於不同文章的例子測試,看看修正後能不能避免又把主題認錯。

待處理的事 目前狀態
對照原文、子章節內容與母文章,確認當次拆分結果 歷史完整對照待查
讓新拆出的章節能辨認主題;關係不明時保留待確認 已記錄需求,尚未實作
核對補強內容與來源,避免重試造成重複寫回 已記錄需求,尚未完成本次修正與驗收

上一篇
Day 19|創建知識庫之旅:資料存好了,AI 處理完了嗎?
下一篇
Day 21|創建知識庫之旅:若沒有收到成功回覆,要再送傳送嗎?
系列文
和 AI 一同打造個人專用知識庫:從零散資料到可運用的知識 共 21 篇
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