從零打造 RAG 系統：檢索、生成與落地全紀錄 系列

大型語言模型常因訓練資料過時或未涵蓋私有知識，回答時容易產生看似合理卻錯誤的「幻覺」。RAG（檢索增強生成）讓模型在回答前先從外部知識庫檢索相關資料，再依據內容生成回答，藉此降低幻覺、提升可信度。本系列以30天記錄一套RAG系統從零到落地的完整實作歷程，涵蓋資料前處理、Chunking策略、Embedding與向量資料庫建置、檢索優化（Hybrid Search、Rerank、Query改寫）、Prompt設計與RAGAS評估，最終完成API化部署與監控維運，盼能給想踏入RAG領域的開發者一份完整實戰指南。