Industry RAG
Definition先看懂：這套 RAG 是什麼
契約與案例檢索 RAG，是把事務所過往契約、判決與爭點建成可語意檢索的內部知識庫，答案附出處。
Contract & Case Retrieval RAG 的核心，是讓律師用自然語言問「類似股權轉讓的違約金條款怎麼寫」，系統就從事務所自己的檔案裡找出對應段落並標明來源檔名與頁碼。它不生成法律意見，只做檢索與初步整理，最終判斷仍回到律師身上。
Key Takeaways
- RAG 只做內部檢索與初步整理，不取代律師的專業判斷與簽核。
- 每則答案都必須帶出處：契約檔名、條號、案號或頁碼。
- 查無相關資料時系統要明確回「查無此資料」，不得憑空生成。
- 知識庫限內部使用，涉及個資與當事人資訊須做權限控管。
- 適用範本檢索、爭點比對、歷史見解調閱，加快備稿而非取代審閱。
高雄苓雅商業區的中小型律師事務所，多半累積了十幾年的契約與訴狀，卻散落在個人電腦、共用資料夾與紙本卷宗。要找一份三年前寫過的類似條款，常要靠資深律師的記憶或逐檔翻找。
Pain真實痛點與高雄現場
情境範例苓雅一家五人律師事務所的檢索困境
我在苓雅經營一間五人規模的律師事務所，過去十四年累積約 3200 份契約與訴狀。上個月接一件經銷合約糾紛，助理花了近 4 小時翻舊檔才找到三份可參考的範本，光是找資料的時間就吃掉大半個下午，報價時很難把這段成本算進去。
這種痛點不是缺人努力，而是缺一套能用語意檢索的內部系統。關鍵字搜尋只能比對字面，打「違約金」找不到寫成「懲罰性賠償」的條款；而語意檢索能理解意思相近的說法。
賴家榮，甫東科技創辦人、SAIP 台灣首席 AI 長、SGS AI 認證；16 年帶團隊為超過 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；開發時用 Claude AI、Codex、Antigravity 三工具分工。他強調專業服務業導入 RAG 的第一原則，是先劃清「檢索輔助」與「專業判斷」的界線。
RAG（檢索增強生成）的解法，是把契約切成語意段落、建立向量索引，讓提問先檢索到最相關的原文，再由模型依原文整理答覆並附上出處。以下用一張表對照傳統做法與 RAG 做法。
SolutionRAG 解法：痛點 → 做法 → 可量化效益
| 情境 | 傳統做法 | 契約檢索 RAG 做法 |
|---|---|---|
| 找類似條款 | 靠記憶或關鍵字逐檔翻找 | 語意檢索相近說法並列出來源條號 |
| 比對爭點 | 資深律師口頭回想 | 檢索歷史訴狀爭點段落並標案號 |
| 新人備稿 | 問前輩、等回覆 | 先檢索範本草稿再交律師審閱 |
| 資料出處 | 常忘記引用來源 | 每段答覆附檔名與頁碼可回查 |
| 查無資料 | 繼續猜或漏找 | 系統回報查無此資料不生成 |
以下內容基於 2026 年 7 月各工具版本，實際操作介面可能微調，流程原則不變。以下是把契約檢索 RAG 落地的標準七步 SOP。
SOP標準導入流程 SOP：Claude × Codex × Antigravity
1需求釐清與界線定義Claude AI
輸入事務所常見查詢類型與合規紅線
動作整理檢索範圍並明訂不取代判斷的界線
產出需求清單與界線文件
負責角色顧問引導
常見地雷把生成法律意見誤列為目標
2契約文件清理與去識別Codex
輸入散落的契約與訴狀檔案
動作統一格式、標記機密欄位、去識別當事人資訊
產出可入庫的乾淨文件集
負責角色資料工程
常見地雷未去識別個資就入庫
3切分策略設計Codex
輸入乾淨文件集
動作依條號與段落切分並保留來源標籤
產出帶出處標籤的語意片段
負責角色資料工程
常見地雷切太碎導致條款上下文斷裂
4向量索引與檢索建置Antigravity
輸入語意片段
動作建立向量索引與相似度檢索
產出可檢索的知識庫
負責角色系統建置
常見地雷只用關鍵字檢索失去語意能力
5出處控制與生成規則Codex
輸入檢索結果
動作設定必附出處、查無即回報的生成規則
產出帶引用的答覆模板
負責角色系統建置
常見地雷允許模型在無來源時自由發揮
6介面與權限整合Antigravity
輸入知識庫與生成規則
動作接上內部查詢介面並設角色權限
產出可用的內部檢索系統
負責角色系統整合
常見地雷全所共用權限外洩機密卷宗
7試運行與人工複核Claude AI＋人工
輸入律師實際查詢
動作由律師抽查答覆正確性與出處並回饋調整
產出驗收報告與維運節奏
負責角色人機協作
常見地雷沒有人工複核就直接採用答覆
七步走完，事務所會得到一套「問得到、找得準、附得出來源」的內部檢索系統，而律師的角色從翻檔案轉為審閱與判斷。
Flow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
若看不到上方流程圖，以下等價表格描述相同的七個階段與各階段重點，內容完全等價。
| 階段 | 重點 |
|---|---|
| 需求釐清 | 定義檢索範圍與不取代判斷的界線 |
| 文件清理 | 統一格式並去識別當事人個資 |
| 切分策略 | 依條號切分並保留來源標籤 |
| 向量索引與檢索 | 建立語意相似度檢索 |
| 生成與出處控制 | 必附出處、查無即回報 |
| 介面與整合 | 接內部介面並設角色權限 |
| 試運行與維運 | 律師抽查回饋並定期更新 |
Case我踩過的坑：一次差點失敗的導入
情境範例我第一次導入時踩的出處坑
我在事務所第一次試建檢索庫時，急著上線沒設出處規則，結果系統整理出一段看似完整的違約金條款，律師採用前一查竟找不到原始來源，差點把拼湊內容當範本。那次教訓讓我重做，堅持每段答覆都要能點回原檔第幾條。
講師的建議
修正做法是把「必附出處、查無即回報查無此資料」設為系統硬規則：檢索不到足夠相似的原文時，系統直接回報查無，不允許模型自行補完；每段答覆都要附檔名與條號，讓律師能一鍵回查原文再決定是否採用。
上線前，用以下八項檢核表逐條確認，可大幅降低合規與品質風險。
Checklist獨家資產：導入自我檢核表
Checklist
- 檢索範圍與不取代判斷的界線已書面定義
- 入庫文件已去識別當事人個資
- 切分保留了條號與來源標籤
- 每段答覆都附檔名與頁碼出處
- 查無相似原文時系統回報查無此資料
- 角色權限設定避免機密卷宗外洩
- 律師抽查答覆正確率並留有紀錄
- 知識庫更新與棄用範本的維運節奏已排定
FAQ常見問題 FAQ
常見問題 FAQ
契約檢索 RAG 會不會取代律師的判斷？
契約檢索 RAG 只負責從事務所內部檔案找出相關契約與爭點段落並整理成初步答覆，附上檔名與條號出處。是否採用、如何解釋與最終法律意見仍由律師判斷與簽核，系統定位是加快備稿與調閱的輔助工具，不做專業判斷。
答案的出處要做到多細才算合規？
建議每段答覆至少標明來源檔名、條號或案號，最好能附頁碼，讓律師點回原文核對。出處愈可回查，愈能避免把拼湊內容誤當範本，也方便日後稽核。查無足夠相似原文時，系統應直接回報查無此資料。
事務所的當事人個資如何保護？
文件入庫前應做去識別，把當事人姓名、身分證號等敏感欄位標記或遮蔽，知識庫僅限內部使用並設角色權限。不同律師只能檢索其承辦或被授權的卷宗，避免機密資料在所內被無差別調閱，降低個資外洩風險。
導入契約檢索 RAG 大約要多少預算？
以高雄五到十人規模事務所估算，基礎版導入約落在區間新台幣 8 萬到 25 萬元，視文件量、去識別工作與介面整合深度而定。後續維運與模型更新通常另計月費區間約新台幣 3 千到 1 萬元，實際數字建議先做需求釐清再報價。
舊契約格式很亂也能建庫嗎？
可以，但需要先做文件清理。掃描件要先轉文字、統一編碼並修正亂碼，紙本卷宗則需數位化。文件清理是導入品質的關鍵一步，格式愈亂前期整理成本愈高，建議先從高頻使用的契約類型開始，逐步擴大知識庫範圍。
查不到資料時系統會怎麼回應？
設計良好的契約檢索 RAG 在查無足夠相似原文時，會明確回報查無此資料，而不是硬湊一段看似合理的內容。這是合規的核心規則，能避免律師誤用不存在的範本。若常查無，代表知識庫覆蓋不足，應補入相關文件而非放寬生成限制。
契約檢索 RAG 的價值，在於把資深律師的檢索直覺變成全所可用的內部能力，同時守住專業判斷的界線。下一步歡迎實際體驗與諮詢。
CTA下一步：三種開始的方式
下載本篇的上線前八項檢核表，逐條確認再導入
下載檢核表預約 30 分鐘諮詢，聊聊你事務所的檔案現況與導入路徑
預約30分鐘諮詢需要企業內訓報價，讓團隊一起學會用檢索庫
企業內訓報價
圖片來源 Image Credits
contract-cover.jpg｜契約與案例檢索 RAG 知識庫封面｜https://www.pexels.com/photo/5212666/contract-retrieval.jpg｜律師檢索過往契約範本的知識庫情境｜https://www.pexels.com/photo/8386440/contract-review.jpg｜事務所團隊複核 RAG 答覆出處確保合規｜https://www.pexels.com/photo/7710091/
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
