RAG 入門：為何要「先檢索、再生成」

純生成模型可能「自信地說錯」；RAG（Retrieval-Augmented Generation）先把相關片段找出來，再基於片段生成。

關鍵在於分塊（chunk）、向量索引與重排序：太細會缺上下文，太大則雜訊多。

產品化時要處理權限、更新頻率與稽核軌跡——知識庫不是一次匯入就結束。

官網 RAG 知識引擎就係呢條路徑，而且隸屬 AutoChat：價目同營業時間跟你填死嘅表單；員工手冊、私隱政策、合約先檢索再答。路人試玩見 /rag-sandbox；開通後後台介紹見 /platform?saas=rag。

兩者一齊用先完整：客人問「剪髮幾錢」打中價目；問「退款要幾耐」先搵你審批過嘅檔。唔好把公開網頁同員工手冊混進同一個索引。

權限好重要：員工手冊同客戶合約唔可以混進同一個公開索引。開通時要講清楚邊啲文件可被邊個角色問到。