同事要在多個地方反覆搜尋
政策、工作手冊、個案記錄及產品資料可能分散在共享硬碟、業務系統和資料庫。
企業 RAG 及 AI 知識系統
將獲批准的文件、資料庫及內部系統接駁至 AI 助手。每次查詢先按使用者權限篩選資料，再檢索相關內容，回覆時附上來源，方便團隊核對。
RAG 可以減少缺乏根據的回覆，但不保證每個答案都正確。我們會按工作風險設定引用來源、拒答、評估及人工覆核規則。
資料流程示意
只有使用者獲准查閱的資料，才會進入本次檢索及模型上下文。
查詢附有已驗證的身份及角色資料。
檢索前先套用資料來源及租戶篩選。
語義及關鍵字搜尋找出相關段落，再整理排序。
助手按檢索所得資料回答，並列出引用來源。
現行程序要求發布前取得批准。[1] 例外情況應按既定途徑上報。[2]
全流程控制
回覆規則
回答 · 拒答 · 交由人員處理
公司知識通常分散在不同文件和系統，資料負責人、更新時間及查閱權限各有不同。知識助手要真正幫到日常工作，必須先處理這些現實問題。
政策、工作手冊、個案記錄及產品資料可能分散在共享硬碟、業務系統和資料庫。
如果系統沒有處理刪除、替換及重新建立索引，答案可能引用已過時的文件。
當部門、客戶或租戶的權限各異，一個不設權限的共用搜尋索引並不足夠。
如果沒有代表性問題及預期引用資料，團隊很難判斷檢索質素是改善了，還是純粹變了。
適合先從一個可清楚界定資料、使用者、權限及覆核人的流程開始。以下是常見起點，並非預製產品。
協助員工找到現行指引，執行工作前可以開啟引用段落核對。
檢索獲批准的故障排查、服務及產品資料，遇上例外情況時交由人員跟進。
從持續更新的目錄、規格及獲批准商業資料中回答詳細問題。
按職能提供相關程序，同時避免顯示與工作無關的內部內容。
就一個明確營運問題，整合可查閱的文件、資料庫記錄及 API 結果。
評估不只看答案措辭，也要檢查系統選了哪些證據。試點開始前，我們會先訂好測試問題、失敗時的處理方式及覆核負責人。
檢查檢索段落能否支持答案，以及引用是否指向正確章節。
按實際工作準備一般、含糊、過時及帶有誤導性的問題。
當獲准資料未能支持答案，助手應拒答或交由指定人員處理。
確認使用者無法檢索或推斷其角色、機構或記錄範圍以外的內容。
測試更新、刪除、替換及重新建立索引，避免系統繼續使用已作廢內容。
在已訂服務範圍內監察檢索質素、回應時間、模型用量及成本。
權限情境示意
使用者身份、資料負責人及查詢時篩選會一同運作。模型只應收到這位使用者就本次查詢有權檢索的資料。
營運經理 · 已驗證員工角色
現行營運程序及已批准產品手冊
人事文件及負責範圍以外的客戶記錄
只按獲准段落作答，列出引用來源並保留審計記錄
技術架構
實際組合取決於文件質素、更新頻率、語言、資料量、回應速度及部署要求。以下模式會按用途選用，不一定全部需要。
自動 ETL 流程可處理 PDF、DOCX、JSON 及 API payload，配合版面感知 OCR、metadata 擷取，以及 recursive 或 sliding-window 分段。每項資料同時保留負責人、版本及權限資料。
密集向量檢索可按需要採用 HNSW 或 Flat 索引，以及 cosine 或 inner-product 距離。BM25 負責關鍵字配對，再以 Reciprocal Rank Fusion 合併候選結果。
Cohere Rerank 或 BGE-Reranker 等次級模型，可在組合 prompt 前重排 top-k 候選內容，減少無關上下文及不必要的 token 用量。
企業身分系統可透過 OAuth2、SAML 或 Active Directory 接駁。查詢時的 metadata 篩選會先套用租戶、角色及文件規則，才把文字加入模型上下文。
版本化測試題目、檢索記錄、引用檢查、審計日誌、資料更新工作及用量監察，讓發布後的變更可以追查及覆核。
OpenAI、Claude、DeepSeek 及 Qwen 可作為生成或推理模型的評估選項。選擇時要按部署方式、供應商條款，以及模型在既定測試題目的實際表現作決定。
工具整合、模型能力及企業管控
長上下文及文件量較多的流程
需要評估成本及部署安排的用途
需要評估中文表現及部署安排的用途
選擇準則
試點應集中測試一個實際流程，並使用真實權限及具代表性的問題。確定證據、失敗處理及營運負責人後，才逐步擴大使用範圍。
整理使用者、問題、系統、資料負責人、敏感程度及更新安排。
匯入已批准的資料，接駁一個有實際用途的使用流程。
量度證據相關度、引用、拒答、權限規則及回覆質素。
整合身份驗證、應用、API、覆核隊列、日誌及支援流程。
擴大範圍前，先檢查資料變更、失敗問題、用量、回應時間及成本。
RAG 改變的是尋找及呈現證據的方法，不會取代資料質素、權限或業務決定的負責人。
FAQ
RAG 會先從已批准的資料來源檢索相關內容，再把內容交給 AI 模型作為回答依據。這可讓答案較容易追查，但不代表每次回答都正確。
項目可按需要處理 PDF、DOCX、結構化數據、資料庫、API 及現有知識庫。每種來源都需要合適的解析、metadata、更新、刪除及權限處理。
可以，但需要正確對應身份、來源權限、metadata 及索引邊界，並經過測試。實際做法取決於機構的身份系統、資料庫、租戶模式及部署環境。
不可以。資料質素、文件解析、檢索設定、權限資料及模型行為都會影響結果。我們會按議定情境設定引用、拒答、評估、記錄及人工覆核安排。
系統可按需要接入 OpenAI、Claude、DeepSeek 或 Qwen 等服務。實際模型和供應方式會按語言、資料政策、部署、回應時間、成本及整合要求確認。
準備一小批具代表性的問題、相關資料來源，以及應該有權使用的人員。我們可以一起釐清資料界線、試點範圍及判斷成效所需的證據。
第一步是實際討論範圍，不會預先假設 AI 可以取代流程負責人。
