跳到主要內容
NTPU AI Learn

GoAI 101 · 模組 3

Context、知識與政府可信資料

AI 回答政府業務問題時，到底應該知道什麼？

開始第一節
  • 時長60 分鐘
  • 難度核心
  • 先備知識建議先完成模組 1、2
已完成 0 / 5
同步我的進度加入梯次後，進度可跨裝置保存，講師也能看到

資訊

加入後，你已完成的模組編號會連同「學員代碼」傳送給講師，講師可以看到你的進度。請使用講師提供的代碼，不要輸入姓名、公司機密或其他個資。進度資料與該梯次的其他資料一起保存。

學習目標

  • 區分 Prompt 與 Context，理解 Context Engineering 的 Include / Retrieve / Remember / Exclude。
  • 說明 RAG 與 Knowledge Retrieval 的基本概念，以及 Metadata、版本與來源可信度的作用。
  • 辨識公開、機關內部、個人、敏感、機密資料與禁止輸入第三方 AI 服務的資料。
  • 理解資料生命週期、過時來源風險與來源衝突的處理方式。

Ground：Prompt 與 Context

10 分鐘

Prompt 與 Context 的差異

Prompt 是「這次問什麼」，Context 是「AI 在回答時應該參考的背景資訊」。把兩者混在一起，常常是政府 AI 應用出錯的起點：承辦人以為「問得夠清楚」就夠了，卻忘了 AI 其實不知道機關內部的作業規定或案件歷史。

  • Context Engineering 把資訊分成四類：Include（直接放進提問中）、Retrieve（動態取回）、Remember（跨對話記住）、Exclude（明確不給）。
  • Include：適合少量、每次都需要、不常變動的資訊，例如這次陳情的內容本身。
  • Retrieve：適合大量、不是每次都需要、會更新的資訊，例如完整的法規資料庫。
  • Remember：適合需要跨多次互動延續的資訊，例如案件編號與目前進度。
  • Exclude：明確排除的資訊，不代表「忘記」，而是「從一開始就不提供」。
自我檢測

承辦人認為「只要把問題寫清楚，AI 就會知道正確答案」。這個想法主要忽略了什麼？

承辦人認為「只要把問題寫清楚，AI 就會知道正確答案」。這個想法主要忽略了什麼？

重點: Prompt 決定「這次問什麼」，Context 決定「AI 能不能答對」；政府 AI 應用的品質問題，多數源自 Context 沒有設計好，而不是 Prompt 寫得不夠清楚。

RAG、來源可信度與生命週期

14 分鐘

RAG、來源可信度與資料生命週期

RAG（Retrieval-Augmented Generation）是 Knowledge Retrieval 最常見的實作方式：AI 在回答前，先從知識庫中動態取回相關內容，再根據取回的內容生成答案。政府業務常需要參考法規、內部作業規定與歷史案例，這些來源的品質與管理方式直接決定 RAG 回答是否可靠。

讓 RAG 可靠的四個管理要素
要素說明
Metadata版本、發布日期、發布單位等描述資料本身的資訊，讓人與系統都能判斷這份資料是什麼
Versioning法規與作業規定會修訂，知識庫必須能反映目前有效的版本，而不是舊版內容
Source trust優先採用機關正式發布、來源明確的資料，避免使用來源不明或未經核實的內容
Provenance（溯源）AI 的回答應能指出參考了哪個來源，方便人工查證，而不是只給出結論
  • 資料生命週期：資料從發布、生效、修訂到廢止都有對應的狀態，知識庫需要同步反映，否則會引用已廢止的規定。
  • 過時來源風險：法規或作業規定修訂後，若知識庫沒有即時更新，AI 可能依舊版規定生成答案，而承辦人未必會發現。
  • 來源衝突處理：當不同來源互相矛盾（例如舊版與新版規定同時存在）時，應由人工判斷採用哪一個，不能讓 AI 自行決定或忽略衝突。
自我檢測

知識庫中同時存在某項作業規定的新舊兩個版本，AI 取回時無法判斷哪一個是現行有效版本。下列哪一個處理方式最合適？

知識庫中同時存在某項作業規定的新舊兩個版本，AI 取回時無法判斷哪一個是現行有效版本。下列哪一個處理方式最合適？

重點: RAG 回答得好不好，取決於知識庫的 Metadata、版本管理與來源可信度；過時或衝突的來源一定要由人工處理，不能交給 AI 自行判斷。

政府資料分類

12 分鐘

政府資料分類：六個等級

政府資料分類（教學用簡化分級）
分類說明可否交給 AI
公開資料已對外公開的資訊，如公告、公開統計可依機關政策使用
機關內部資料未對外公開的行政作業資料需依資料分類與授權範圍判斷
個人資料可識別特定個人的資料原則上避免，如需使用應先去識別化並依規定辦理
敏感資料健康、犯罪前科等特殊類別個人資料原則禁止，需有明確法源與授權
機密資料依機密等級列管之公務資料禁止提供給未經授權之系統或服務
禁止輸入第三方 AI 服務之資料依機關政策或契約明訂不得外流之資料不得輸入，無例外

注意

是否可以把某項資料輸入特定 AI 服務，取決於機關政策、契約條款、資安控管、資料分類與適用法令。本課程教的是判斷方法，不是對所有 AI 服務的一體適用授權。
自我檢測

某承辦人想把列管機密等級的公文內容貼給一個公開的第三方 AI 聊天工具，以便快速取得摘要。下列哪一個判斷最正確？

某承辦人想把列管機密等級的公文內容貼給一個公開的第三方 AI 聊天工具，以便快速取得摘要。下列哪一個判斷最正確？

重點: 六個資料分類等級不是用來背誦的名詞，而是每次要把資料交給 AI 之前，都該先問一次「這份資料屬於哪一級」的判斷依據。

政府情境：陳情回覆的 Context 設計

12 分鐘

政府情境：陳情回覆的 Context 設計

政府情境

承辦人要用 AI 協助回覆民眾陳情。Include：陳情內容本身（已去識別化）。Retrieve：相關法規條文、本機關過去類似案件的公開處理原則。Remember：本次陳情的案件編號與處理進度。Exclude：其他民眾的個人資料、尚未公開的內部決策過程、機密公文內容。

  • 這個情境示範了 Include / Retrieve / Remember / Exclude 四個分類如何同時出現在同一個 Use Case 中，彼此互補而不是互斥。
  • 「Exclude」清單往往比「Include」清單更重要：漏掉一項該排除的資料，風險通常遠高於少給一項該包含的資訊。
  • 引用與溯源：AI 的回答應能指出參考了哪個法規條文或處理原則，方便承辦人在審查草稿時逐一核對。

資訊

把候選資訊分類為 Include/Retrieve/Remember/Exclude，是模組 1 Use Case Card 之後，第一次把「這個 Use Case 需要什麼」寫得具體到可以被系統實作的程度。
自我檢測

在陳情回覆情境中，「其他民眾的個人資料」最適合被分類為哪一類？

在陳情回覆情境中，「其他民眾的個人資料」最適合被分類為哪一類？

重點: 好的 Context 設計，不是盡量多給資訊，而是精準地决定哪些該給、哪些一定不能給；Exclude 清單的嚴謹程度，往往決定了整個 Use Case 是否安全。

實作與應用

12 分鐘

實作：What Should the AI Know?

活動 3 延續模組 1 選定的 Use Case，把所有候選資訊分類為 Include / Retrieve / Remember / Exclude，並填入 Government Context & Data Canvas。

  1. 列出候選資訊
    列出這個 Use Case 可能用到的所有資訊來源。
  2. 分類為 Include / Retrieve / Remember / Exclude
    逐項判斷每個來源屬於哪一類。
  3. 標出來源與敏感度
    每個 Include/Retrieve 的來源，標明提供單位與資料分類。
  4. 寫下排除理由
    針對 Exclude 的項目，寫一句話說明為什麼不給 AI。
  • Government Context & Data Canvas 最少欄位：Use Case、Required Context、Trusted Sources、Source Owner、Retrieval Method、Version / Freshness Rule、Metadata、Personal Data、Sensitive Data、Restricted Data、Exclude Rules、Citation Requirement、Conflict Resolution Rule、Retention / Memory Rule、Human Verification。
自我檢測

Government Context & Data Canvas 中的「Conflict Resolution Rule」欄位，主要用來寫什麼？

Government Context & Data Canvas 中的「Conflict Resolution Rule」欄位，主要用來寫什麼？

重點: 這份 Canvas 把模組 3 的判斷方法，變成模組 4（工具權限）與模組 5（治理）可以直接引用的具體規則。

另存 PDF

接下來做什麼？