RAG 聊天機器人 — 點解自有數據咁重要
一個只靠一般知識嘅 AI 聊天機器人，唔會知道您嘅產品、價格同流程。檢索增強生成（RAG）可以解決呢個問題：聊天機器人會先喺您自己嘅知識庫搜尋，然後根據由您控制嘅數據擬出回答。
RAG 係咩？（易明解釋）
RAG 代表 Retrieval Augmented Generation。呢個概念聽落好技術，但其實好易解釋：一個普通嘅 AI 聊天機器人係根據佢預先訓練嘅知識回答 — 佢對世界認識好多，但對您嘅公司一無所知。
一個 RAG 聊天機器人運作方式不同：在擬備回應前，它會於獨立的知識庫中搜尋——包括您的產品說明、FAQ 文件、價格清單及內部文件。回應僅基於所找到的相關段落生成。
結果：針對您具體內容嘅回答更精準，而且幻覺大幅減少 — 即係純生成式系統經常出現嘅捏造或錯誤資訊。至於呢個知識來源具體點樣建立，請參閱我哋嘅 配備獨立知識庫之聊天機器人.
RAG 流程，分 3 步完成
訪客提出問題。機器人即時搜尋已輸入的文件、FAQ 文本及產品資料，以尋找相關內容。
會從 FAQ、PDF 檔案或產品資料中識別合適段落，並提供予回答生成。
AI 會純粹根據搵到嘅段落撰寫回覆——唔係靠一般知識，而係靠您嘅資料。
相比純 AI 嘅優勢
聊天機器人識得您嘅產品、價格同流程 — 因為佢喺您嘅內容入面搜尋，而唔係靠一般 AI 知識。
當 AI 冇合適資料而靠估嘅時候，就會出現幻覺。RAG 可以防止呢個情況：回答係基於您知識庫入面嘅具體來源。
如果您嘅價格或者產品有變，只要更新您嘅知識庫 — 聊天機器人就會即刻正確回答。唔使重新訓練，亦唔使長時間準備。
因為答案係基於指定嘅來源，所以結果可以核實。您可以睇到聊天機器人用咗邊啲內容 — 並作針對性改善。
RAG 聊天機器人適合邊個？
如果您公司有大量產品專屬、行業專屬或者公司專屬、一般 AI 模型無從得知嘅內容，基於 RAG 嘅聊天機器人就特別有用：
關於 RAG 聊天機器人的常見問題
咩係 Retrieval Augmented Generation？
RAG 係一種方法：AI 唔係由佢嘅一般知識回答，而係先喺一個文件集入面搜尋，然後根據搵到嘅內容回答。
喺企業應用上，點解 RAG 比普通 AI 聊天機器人好？
因為如果唔係，AI 就會捏造資料（即係「幻覺」）。有 RAG，聊天機器人就會緊貼您嘅數據 — 更精準、更容易控制。
使用 RAG 需要技術知識嗎？
用 Zentor App 就唔需要。您透過介面將內容加入知識庫 — 唔使設定數據庫，亦唔使手動管理向量索引。
我要幾耐更新一次知識庫？
每當產品、價格或流程有變都要更新。建議定期覆檢。
Zentor App 支唔支援企業用嘅 Vector-RAG？
係 — Individuell 方案提供 Vector-RAG 同個別化知識架構。
喺說明中心了解更多