AI 103 · 模組 4
讓 Agent 找得到正確的一小段知識
開始第一節上一個單元你看到 RAG 的基本流程：先檢索，再回答。但文件「放進去」不等於「找得到」。這個單元回答：Agent 要能找到正確的一小段知識，知識在進入索引之前需要先經過哪些準備？
文件已經進 Knowledge Base，為什麼 Agent 還是找不到正確答案？
想像一份 40 頁的請假辦法（模擬情境）。員工問：「病假需要附診斷證明嗎？」如果系統把文件從中間任意切開，檢索到的可能是「病假天數」的前半段，而必要的證明文件規定被切在另一段。答案看似有找到資料，卻是不完整的。
資訊
Document Loading 是把文件讀進系統。文件的「結構」，標題階層、章節、表格、清單、註腳，本身就帶有語意。載入時若把它們全部壓平成一長串文字，結構訊息就遺失了。
注意
不同文件類型的結構重點不同：SOP 看步驟與前置條件，政策看條文與例外，報告看章節與圖表說明。先讀懂結構，才知道邊界可能在哪裡。
一份含有表格的採購辦法，載入時被整份壓平成一串純文字。最可能發生什麼問題？
Chunking（切分）是把長文件切成較小、可被獨立檢索的片段。常見有三種思路，它們不是誰取代誰，而是關注的問題不同。
| 方式 | 依據 | 優點 | 風險 |
|---|---|---|---|
| Fixed-Length | 固定長度（字數或 token） | 簡單、快速、容易大量處理 | 可能在句子或條文中間切斷 |
| Structural | 標題、章節、段落等結構 | 尊重作者的文件組織 | 章節過長或過短時，語意仍可能不完整 |
| Semantic | 內容是否屬於同一個語意單位 | 片段可獨立理解，回答較完整 | 需要判斷，較耗人力與理解 |
Chunk Size（片段大小）與 Chunk Overlap（重疊區）是調整用的參數：片段太大，容易混入不相關內容；太小，則失去上下文。適度重疊可以降低邊界被切斷的風險，但也會增加重複。這些是需要依文件與任務測試的取捨，不是有標準答案的數字。
注意
有人說：「所有文件都切成 500 token、重疊 50 token，這就是語意切分。」這個說法哪裡有問題？
判斷邊界時，問自己：如果這段內容被單獨取出來，讀的人（或 Agent）是否能理解並正確使用它？如果需要另一段才看得懂，那兩段可能屬於同一個單位。
「適用範圍」與「前置條件」需要放在一起，否則不知道這些步驟何時適用。「步驟 1 至 4」是一個連續流程，不宜拆開。「例外情況」（例如超過退款期限）自成一個單位，而且常被單獨查詢。
資訊
一份 SOP 的「前置條件」與「步驟」被切成兩個獨立片段。Agent 只檢索到步驟片段。可能發生什麼？
Metadata 是描述片段的資料：它是什麼、從哪來、何時、給誰。有了 Metadata，檢索不只比對文字內容，還可以縮小範圍：只找「最新版本」、「人資部門」、「公開等級」的片段。
| 欄位 | 用途 | 檢索時的問題 |
|---|---|---|
| Source | 片段來自哪份文件、哪個章節 | 這是可信的來源嗎？ |
| Author | 文件的負責人或單位 | 該找誰確認？ |
| Date | 建立或更新日期 | 資訊是否過時？ |
| Topic | 主題分類 | 是否與這次問題相關？ |
| Document Type | SOP、政策、報告、FAQ 等 | 需要規範還是案例？ |
| Access Level | 誰可以看到 | 提問的人是否有權閱讀？ |
| Version | 文件版本 | 是否為現行有效版本？ |
注意
兩個版本的差旅辦法都在知識庫裡，Agent 常引用到已作廢的舊版。哪一項改善最直接？
完成
切分邊界與 Metadata 的設計是人的判斷。Agent 依據這些設計檢索，但設計是否合理、資料是否可信，仍由人檢查並負責。下一個單元要問：Agent 有了知識，是否就知道如何完成工作？
