讓 AI 先翻書再回答：用模擬動畫看懂 RAG 檢索流程

「AI 回答得很有自信，但它到底看過哪份文件？」

這是企業導入 AI 時，很值得先問的一個問題。尤其工作牽涉設備 SOP、內部流程與文件版本，答案聽起來合理，還不代表適用於眼前的情況。

RAG（檢索增強生成）就像讓 AI 參加開書考：先找到相關資料，再根據資料整理回答。如果你想先了解基本概念，可以閱讀 RAG 入門介紹。這篇則用下方的互動動畫，把流程走一次。

跟著一個問題，走過四個步驟

以下是虛構的設備保養知識查詢情境，文件與答案均為教學示意，不是實際復機規範。

新人小林問：「設備保養完成後，誰確認復機？」他需要的不是一句通用建議，而是公司文件中的規定。

1. 提出問題：系統接收問題，準備找出與保養、復機有關的資料。
2. 選取文件：檢索工具在使用者有權存取的文件中，選出可能相關的 SOP 段落。
3. 段落送入 AI：系統把問題和相關段落一起提供給模型，讓回答有所依據。
4. 答案附上來源：AI 整理成容易理解的文字，並保留文件版本與段落，方便回頭核對。

動畫怎麼操作？

按下「播放互動示範」載入場景，再選「播放流程」。你可以隨時暫停、按下一步，或直接點選某個階段；重新開始可回到第一步。

畫面中的移動標記代表資料流向，不代表真實資料傳輸。示範不連接企業文件、外部 AI 或設備，也不會執行任何復機操作。若裝置無法開啟 GPU 動畫，仍可透過文字與步驟按鈕理解流程。

有來源，仍然要核對

RAG 可以協助找資料，卻不保證一定找對。文件可能過期，相關段落可能被漏掉，模型也可能誤解內容。看到來源時，還應確認版本、適用設備、權限與上下文；涉及安全和正式操作時，依公司規範由負責人審核。

好的導入目標，是讓員工更容易找到依據、少花時間反覆查找，同時能辨認資料不足的情況。

從你最常被問的一題開始

先挑一個經常重複回答、文件又相對完整的問題，整理幾份經授權的資料，試著比較查找時間、來源正確性與人工修改量。比起一次接入所有系統，這樣更容易看出實際價值。

想把公司的 SOP、產品手冊或教育訓練文件做成可查詢的知識助理？帶著最常遇到的問題，一起盤點第一個適合驗證的 RAG 流程。

參考資料

• 原始 RAG 論文：Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks（2020）。
• PixiJS 官方文件：Application。本示範使用 PixiJS 8.22.0 製作，動畫僅用於解說流程。