Retrieval-Augmented Generation
檢索增強生成
檢索增強生成（RAG）會在執行時找出相關的外部證據，再交給模型產生內容。
另一個例子
政策助理會找出最新版手冊的相關段落，並在回答中引用來源。
主要部分
- 01使用者意圖與脈絡
- 02模型或工具決策
- 03有根據的結果與退路
什麼時候用
知識會變動或不公開，而且能建立索引並標示來源時，可使用 RAG。
什麼時候不要用
不要把 RAG 當成微調。RAG 是提供證據，不會改變模型權重。
程式裡的名稱
retrieve → rerank → generate 上線前要檢查
檢查模型與提示詞版本、參考資料、有版本編號的評估集與指標。驗證答案能否連回來源證據，也要檢查工具權限與隱私。再檢查常見失敗、拒答、安全退路與人工覆核。也要檢查監控、成本、速度與回復方式。
預期成果：使用或評估 檢索增強生成 (Retrieval-Augmented Generation)，讓 AI 行為可以衡量，也能連回證據。 使用者情境：政策助理會找出最新版手冊的相關段落，並在回答中引用來源。 AI 方法或概念：檢索增強生成 (Retrieval-Augmented Generation)。 適用理由：知識會變動或不公開，而且能建立索引並標示來源時，可使用 RAG。 不應使用的情況：不要把 RAG 當成微調。RAG 是提供證據，不會改變模型權重。 AI 要求：定義輸入與參考證據。設定模型和工具權限。使用有版本編號的評估資料與指標。說明失敗、拒答、隱私、速度與成本限制。 營運防護：保留可查詢記錄，並隱藏其中的敏感資料。提供使用者看得懂的安全退路。標出必須由人員覆核的步驟，並定義模型或提示詞的回復方式。 驗收條件：在有版本編號的評估集上記錄目前基準與目標。測試邊界案例與惡意輸入。驗證安全退路、監控、權限與回復方式。 證據與限制（證據邊界）：沒有一份官方標準能管到全部內容。不同團隊、平台或框架的用法可能不同。 待確認：目標任務、模型與版本、評估負責人、參考資料、風險門檻、工具權限，以及正式環境的安全退路。
檢查這份需求
請 AI 程式助手檢查目前如何使用 檢索增強生成 (Retrieval-Augmented Generation)。 定義：檢索增強生成（RAG）會在執行時找出相關的外部證據，再交給模型產生內容。 正式環境檢查：檢查模型與提示詞版本、參考資料、有版本編號的評估集與指標。驗證答案能否連回來源證據，也要檢查工具權限與隱私。再檢查常見失敗、拒答、安全退路與人工覆核。也要檢查監控、成本、速度與回復方式。 修改程式前，先列出看到的證據、缺口、嚴重程度，以及最小且安全的修正。