TOPIC

RAG 知識庫

讓 AI 根據公司文件回答問題：導入前要準備什麼、有哪些檢索技術可選，以及「RAG 已死」的爭議怎麼看。

依發布日期排列，由最早的一篇開始。

第 1 篇導入規劃2026 年 9 月 23 日約 4 分鐘閱讀

導入 RAG 知識庫前，先確認這 5 件事

企業想把內部文件變成可以直接提問的 AI 知識庫，常卡在資料、權限與驗收標準。這篇整理導入 RAG 前最值得先確認的 5 件事，以及每一項的判斷方式。

第 2 篇技術實作2026 年 9 月 24 日約 9 分鐘閱讀

RAG 知識庫答不好，問題通常出在「找資料」這一步。這篇整理 2026 年企業實務上最有效的 RAG 技術：長上下文與快取、混合檢索、重新排序、Contextual Retrieval、視覺文件檢索、Agentic RAG，以及 GraphRAG 適合的情境。

第 3 篇產業觀察2026 年 9 月 29 日約 20 分鐘閱讀

2026 年「RAG 已死」的說法越來越常見：上下文窗口到了百萬 token、Claude Code 放棄向量資料庫改用 grep。這篇整理這派說法的來龍去脈、他們說對的地方，以及套用到企業知識庫時容易忽略的 7 件事。