在昨天的文章中，我們順利完成了能即時在通訊軟體內對答如流的「對話式 BI 助理」。

然而，當這套系統要真正走向大型企業或面對長年累積的業務資料時，一個嚴峻的工程瓶頸便會浮現：

Token 上限與成本爆炸：如果手邊有數萬筆歷史訂單、厚達上百頁的年度財務審計報告、或是各產品線的詳細規格手冊，我們不可能在每次提問時都把幾十萬字的原始資料整批塞進 Prompt 裡。

模型幻覺（Hallucination）：當背景文字過長時，大型語言模型容易忽略核心細節，甚至「自行腦補」錯誤的產品退換貨政策或折讓數字。

為了解決「海量外部資料」與「高精確度查詢」的矛盾，業界目前最主流、也是最具性價比的架構就是 RAG（Retrieval-Augmented Generation，檢索增強生成）。今天我們將展示：如何在 Dify 中利用開箱即用的知識庫模組，將企業內部資料向量化，並透過 n8n 打造精準外腦檢索管線！

一、30 秒看懂 RAG 運作機制：開卷考試原理
如果把傳統直接問 LLM 比喻為「閉卷考試」（全憑模型預訓練時記住的有限常識），那麼 RAG 就是讓 AI 進行「開卷考試」：

┌────────────────────────┐
│ 使用者提問 │ ──> 「請問退貨超過 30 天還能申請退款嗎？」
└────────────────────────┘
│
▼ (1. 向量相似度搜尋 Vector Search)
┌────────────────────────┐
│ 企業專屬向量知識庫 │ ──> 只撈出最相關的 2~3 段公司政策規章（Top-K chunks）
└────────────────────────┘
│
▼ (2. 拼裝精準 Context 送給模型)
┌────────────────────────┐
│ 大型語言模型 (LLM) │ ──> 根據「指定規章」生成精確無誤的標準解答
└────────────────────────┘
核心優勢：

零幻覺：回答必須嚴格依據檢索到的文件段落。

極省成本：每次只傳送最相關的幾百字給模型，大幅降低 Token 消耗。

即時更新：只要更新知識庫檔案，AI 立刻具備最新知識，完全不需要花大錢微調模型（Fine-tuning）。

二、實戰步驟一：在 Dify 建立專屬商業知識庫
Dify 原生內建了業界頂級的知識庫管線（涵蓋文件解析、切塊、Embedding 向量化與存儲），全程視覺化配置：

操作步驟：
進入知識庫專區：

登入 Dify 控制台，點選頂部導覽列的 「知識庫 (Knowledge)」。

點擊 「建立知識庫 (Create Knowledge)」。

上傳企業業務文件：

支援上傳 CSV、Excel、PDF、Markdown 或 TXT 格式檔案。

此處我們上傳：

Superstore_產品目錄與保固政策.pdf

2025-2026_各季促銷退貨規範.txt

分段清洗與向量化設定：

分段模式：選擇「高品質 (High Quality)」模式（系統會使用 Text Embedding 模型將文字轉為向量）。

檢索設定：推薦使用 「混合檢索 (Hybrid Search)」（結合語意向量搜尋與關鍵字全文檢索，確保精確命中專有名詞）。

點擊「儲存並處理」，Dify 會在背景自動切塊並建立向量索引，幾秒鐘後知識庫即準備就緒！

三、實戰步驟二：將知識庫掛載至 BI 代理人
知識庫建立好後，只要把它作為「外腦」外掛到我們原本的 Agent 即可：

回到 【Day 22】 建立的 對話式 BI 數據助理 應用中。

在左側配置面板中，找到 「上下文 (Context)」 區塊。

點擊 「+ 新增」，勾選我們剛才建立的業務知識庫。

在召回設定（Retrieval Settings）中：

設定 Top K 為 3（每次提問只挑選關聯度最高的 3 個段落）。

勾選 「引用與歸屬 (Citations)」，這樣 AI 在回答時會主動標註引用自哪一份文件的第幾頁，極具企業可信度！

點擊右上角「發布」更新 API。

四、實戰步驟三：透過 n8n 自動化同步知識庫
知識庫的資料不能是死水。如果營運團隊每週在 Google Drive 上傳新的產品清單，難道要人工手動去 Dify 重新上傳嗎？

透過 n8n，我們可以實現知識庫文件的自動同步：

Trigger：使用 Google Drive Trigger 節點，監聽特定雲端資料夾中「是否有新增或更新的 PDF/CSV」。

HTTP Request：當有新檔案放入時，n8n 自動下載檔案，並呼叫 Dify 的 Knowledge API 端點：

POST /v1/datasets/{dataset_id}/document/create_by_file

這樣一來，前線人員只要把檔案往 Google 雲端硬碟一丟，n8n 就會在背景自動推送到 Dify 完成向量化，BI 助理的外腦知識永遠保持在最新狀態！

五、成果展示：結合數值與規章的終極問答
此時在 Discord 或 Slack 中提問，機器人的能力已經超越單純的數值加減：

使用者提問：

@BI助理 請問辦公設備類的投影機如果客戶反映有瑕疵，退貨運費是由誰負擔？目前這類產品在東部的退貨率高嗎？

AI 助理回覆：

📑 政策條款說明（引用自《產品目錄與保固政策》第 4 條）：
針對投影設備等高精密儀器，在收到貨 14 天內回報功能瑕疵，退貨運費由我方公司全額吸收；若超過 14 天則由經銷商與客戶依協議分攤。

📊 即時數據表現：
檢視近期訂單數據，東部地區投影機產品的退貨率目前為 1.8%，處於全區最低的優良水準（全區平均為 3.2%）。