定義與概述
RAG 檢索相關資訊並作為產生答案的情境。企業 RAG 加入權限、版本及稽核要求，使檢索使用提問者獲准知識。
如何實踐
將權限傳遞到文件與分塊，並在模型情境前執行。測試可回答及禁止問題。刪除或權限改變時更新索引與快取。提示詞不是授權系統。
| 比較方案 | RAG | Traditional Search |
|---|---|---|
| 需驗證的成果 | 答案 | 文件 |
| 需準備的證據 | 附來源的答案 | 來源 |
| 工作流程 | 檢索知識 | 搜尋文章或詞彙 |
| 人工審閱 | 已實施 | 已實施 |
公共 AI 依供應商、方案及合約而異；私有 AI 取決於架構與設定。沒有方案適合所有工作。
開始前檢查
- 分塊權限
- 可追溯來源
- 索引快取刪除
能力與部署需依專案確認，不作無證據認證、投資報酬或客戶聲明。
常見問題
資料必須離開網路嗎？
取決於部署與串接服務。先盤點模型、OCR、嵌入、備份及日誌流量，再確認邊界。
AI 答案可以直接採信嗎？
應核對原文、完整性及版本，尤其是法律、會計及重要決策。引用有助審查，但不保證正確。
如何啟動專案？
選擇明確用例、核准文件、負責人與驗收標準。小組測試答案品質、權限及成本後再擴展。
參考資料
公開來源解釋原則，不認證或背書 RAGBOX。
- NIST AI Risk Management Framework
- Microsoft: Retrieval-augmented generation
- OWASP: RAG Security Cheat Sheet
- OWASP: Prompt Injection Prevention
實際應用前需專家審閱，非個案法律或稅務建議。