Industry RAG
what-is-rag什麼是IT業的RAG知識庫
RAG就是讓AI先去翻你公司自己的技術文件，再照著回答，不是憑空亂掰。
講白一點，一般的AI你問它，它是靠腦袋裡的印象回你，公司內部的系統設定、客製化邏輯它根本不知道。RAG（檢索增強生成）多做一個動作：先去你的文件庫裡找出相關那幾段，再把答案生出來。所以它講的是你們家的東西，還能附上是從哪份文件來的。
對IT、軟體、系統整合這行來說，最有感的就是：那一堆散在硬碟、Confluence、Line群、老鳥腦袋裡的知識，終於可以用問的。
Key Takeaways
- RAG=先檢索你自己的文件，再生成答案，不是靠AI的記憶亂猜。
- 適合放技術文件、系統操作手冊、客戶工單、常見錯誤排除。
- 答案會標出處，工程師敢用、客服也敢照著回。
- 老鳥的排錯經驗寫進去，就算他請假或離職也留得住。
- 新人不用一直問前輩，自己問AI就先解決七八成。
kaohsiung-pain高雄IT團隊每天在痛什麼
高雄亞灣這幾年軟體公司、系統整合商越開越多，可是團隊都不大。一個工程師常常身兼開發、維運、還要接客戶電話。文件呢？寫是有寫，但散得到處都是，真的要用的時候找不到。
情境範例工單重複問到快崩潰
我在鼓山一家系統整合商，客服每天進來大概80張工單，其中差不多一半都是問過的老問題，像是登入卡住、報表匯不出來。以前客服要嘛翻舊工單、要嘛跑去問工程師，一張單平均耗掉快15分鐘。工程師一天被打斷十幾次，正事根本做不完。
更麻煩的是人的問題。做久的老鳥，很多排錯訣竅是記在腦子裡的，從來沒寫下來。哪天他離職，或是剛好請假，那個客戶的疑難雜症就沒人會處理，只能跟客戶說「等我們同事回來」。這在高雄中小型軟體公司超級常見。
這些痛，賴家榮看太多了。賴家榮是甫東科技創辦人、SAIP 台灣首席 AI 長、也有 SGS AI 認證，16 年來帶團隊為超過 500 家企業做過系統與 AI 導入，服務高雄、台南、屏東、嘉義的中小企業主管與第一線團隊。他常說：文件不是沒寫，是沒人找得到、也沒人願意一直翻，這剛好就是RAG最會處理的事。
how-rag-solvesRAG怎麼解這些痛
RAG的做法不難懂：把你散落各處的文件集中，切成一小段一小段，建成一個可以用問句去搜的索引。工程師或客服要用的時候，直接打白話問題，AI就找出最相關的段落、幫你整理成答案，還會附上是哪份文件來的。下面把常見情境對照一下。
| 你現在的情況 | RAG接手之後 | 誰最有感 |
|---|---|---|
| 客服翻舊工單找解法，一張耗15分鐘 | 打白話問一下，10秒帶出處理步驟 | 第一線客服 |
| 老鳥的排錯訣竅只在他腦裡 | 整理進知識庫，誰都問得到 | 整個維運團隊 |
| 新人上手要跟兩三個月 | 邊做邊問AI，兩三週就能獨立 | 主管與新進工程師 |
| 系統操作手冊沒人看、版本又多 | 問一句就找到正確版本那一段 | 客戶與內部客服 |
| 同樣的錯誤每個月重複發生 | 錯誤碼一查就有標準排除流程 | 維運與客戶 |
import-sop導入SOP：七步把知識庫做起來
以下內容基於 2026 年 7 月各工具版本，實際畫面可能會有小差異，但流程邏輯是一樣的。這套七步是賴家榮帶團隊實際在跑的做法，工具分工用 Claude AI、Codex、Antigravity 三個一起上。
1盤點文件與情境Claude AI
輸入現有技術文件、工單樣本、常被問的問題清單
動作請AI幫你歸類哪些文件要進庫、哪些先放一邊
產出文件清單與優先順序表
負責角色技術主管+顧問
常見地雷什麼都想放進去，結果雜訊太多反而查不準
2文件清理與統一格式Claude AI
輸入格式亂七八糟的Word、PDF、截圖手冊
動作轉成純文字、補上標題與錯誤碼標籤
產出乾淨、有標記的文件
負責角色文件負責人
常見地雷圖片裡的步驟沒轉成文字，AI讀不到
3決定切分策略Codex
輸入清理好的文件
動作寫切分腳本，按章節或一個問題一段來切
產出大小適中的知識片段
負責角色工程師
常見地雷切太大檢索不準，切太碎又失去上下文
4建向量索引與檢索Codex
輸入切好的片段
動作產生向量、建索引、寫檢索邏輯
產出可用問句搜尋的知識庫後端
負責角色工程師
常見地雷沒設好權限，客戶資料被查得到
5生成與出處控制Claude AI
輸入檢索到的段落
動作設定只根據找到的內容回答、一定附出處
產出有憑有據的答案
負責角色工程師+主管
常見地雷沒鎖住，AI開始自由發揮亂編步驟
6介面與系統整合Antigravity
輸入後端知識庫
動作接到工單系統或內部聊天視窗，做出問答介面
產出客服工程師直接能用的入口
負責角色工程師
常見地雷介面太難用，同事不想開來查
7試運行與維運Claude AI＋人工
輸入真實工單與同事回饋
動作AI先草擬答案，資深同事審核修正，錯的回頭補文件
產出越用越準的知識庫
負責角色資深工程師+主管
常見地雷上線就放著不管，文件過時後答案跟著錯
重點是最後一步不能省。知識庫不是做完就結束，是要邊用邊養。前面幾週最好讓資深同事幫AI的答案把關，把答錯的地方回頭補進文件，這樣它才會越來越準。
one-diagram一張圖看懂導入流程
1需求釐清
2文件清理
3切分策略
4向量索引與檢索
5生成與出處控制
6介面與整合
7試運行與維運
若看不到圖，這裡用文字講一次，內容跟上圖等價：從釐清需求開始，接著清理文件、決定怎麼切，再做向量索引與檢索，然後控制生成與出處，接到介面整合進系統，最後試運行並持續維運。
| 階段 | 在做的事 |
|---|---|
| 需求釐清 | 決定哪些文件、哪些情境先做 |
| 文件清理 | 統一格式、轉純文字、加標籤 |
| 切分策略 | 把文件切成好檢索的片段 |
| 向量索引與檢索 | 建索引、讓問句能搜到對的段落 |
| 生成與出處控制 | 照文件回答並附上來源 |
| 介面與整合 | 接進工單系統或聊天視窗 |
| 試運行與維運 | 邊用邊修、補文件、持續更新 |
pitfalls常見踩坑與解法
情境範例把所有文件一次全倒進去
我一開始貪快，把公司十年來的文件、連過時的、重複的都一股腦丟進知識庫。結果同事一問報表問題，AI給了三年前早就改掉的舊流程，害客服照著回、被客戶糾正，反而更沒信任感。後來花了兩個禮拜重新篩，只留現行版本，才救回來。
講師的建議
賴家榮的建議：知識庫寧可少而準，不要多而亂。上線前先挑最常問的前二三十個情境做扎實，過時文件一律清掉或標明版本。答案一定要附出處，同事看得到來源才敢用、客戶問起來也交代得清楚。做完不是結束，安排一個人固定每月檢查答錯的紀錄、回頭補文件，這樣它才會越養越聰明。
checklist上線前檢核表
要不要導入、導入到哪個程度，先拿下面八項對一對。全部打勾再上線，會少踩很多雷。
Checklist
- 要進庫的文件都清理成純文字、圖片步驟也轉成文字了嗎？
- 過時、重複的舊版本文件清掉或標註版本了嗎？
- 最常被問的前二三十個情境都涵蓋到了嗎？
- 每個答案都會附上出處來源嗎？
- 客戶機密資料有設好權限、不會被亂查到嗎？
- AI有鎖成只照文件回答、不會自己亂編嗎？
- 客服工程師實際用的介面夠簡單、願意開來查嗎？
- 有排人固定每月檢查答錯紀錄、回頭補文件嗎？
faq常見問題FAQ
常見問題 FAQ
導入RAG知識庫大概要花多少錢？
看文件量和整合深度。如果只是先做一個小範圍的內部問答，通常約新台幣十幾萬到三十幾萬之間；要接工單系統、做客製介面、還要教育訓練，範圍就會拉高到約四五十萬以上。建議先小範圍試做，有感再擴大，比較不會一次投太多。
我們文件很亂又散在各處，還能做嗎？
可以，而且這正是RAG要解的問題。亂沒關係，重點是導入前那一步文件清理，把格式統一、轉成純文字、過時的清掉。這一步做得扎實，後面答案就準。反而是文件很亂卻跳過清理，做出來會不好用。
AI會不會亂講、給客戶錯的答案？
會不會亂講，取決於有沒有鎖好。RAG的重點就是讓AI只根據找到的文件回答，並附上出處。設定好之後，它找不到就會說找不到，而不是硬掰。上線初期再讓資深同事幫忙審核一陣子，準確度就很穩了。
會不會AI一來，客服或工程師就被取代？
不會，比較像是幫他們把翻文件、回重複問題的雜事扛掉。工程師省下被打斷的時間去做開發，客服能更快回客戶、也能處理更難的案子。AI負責找資料，人負責判斷和溝通，是分工不是取代。
老鳥的經驗怎麼放進知識庫？
最實際的做法是訪談加整理。請老鳥講幾個常見疑難雜症怎麼判斷、怎麼排除，用AI幫忙整理成一問一答的形式，審核過再放進庫。這樣就算他離職或請假，那套判斷邏輯還在，新人也學得到。
導入要多久才看得到效果？
小範圍的內部問答，通常約四到八週就能上線試用、開始有感。全公司整合、接系統那種，會拉到約兩三個月。建議先做一個部門或一種情境當試點，跑順了再複製到其他團隊，風險比較低。
next-step下一步怎麼開始
如果你在高雄做IT、軟體或系統整合，被重複工單和文件散亂困擾很久了，其實不用一次到位。先挑一個最痛的情境試做，跑順了再擴大。下面幾個入口，你可以照自己的狀況挑一個開始。
先下載一份導入前的檢核表，自己對一對現況，看看準備到哪了。
下載檢核表想聊聊你們的文件和工單狀況？預約30分鐘免費諮詢，幫你看怎麼切入最省力。
預約30分鐘諮詢想在公司內部推、讓整個團隊會用？來問企業內訓報價，量身安排課程。
企業內訓報價
圖片來源 Image Credits
5212666.jpg｜IT軟體業把技術文件變成能問答的AI知識庫｜https://www.pexels.com/photo/5212666/9052803.jpg｜工程師與客服共用一個AI知識庫，重複問題不再打斷開發｜https://www.pexels.com/photo/9052803/3778477.jpg｜把老鳥的排錯經驗整理進知識庫，經驗留得住｜https://www.pexels.com/photo/3778477/
本文為賴家榮 AI 教學中心原創教學內容；想讓團隊學會用 AI，歡迎看AI 課程或預約授課 →
代表圖片來源：圖片來源：Pexels
