直接答案：RAG 是讓 AI 先查你的公司文件再回答的做法；Embedding 是把文字轉成可比對的數字座標；向量資料庫是存這些座標、快速找出相似內容的地方。中小企業做一套文件問答系統約 NT$15–50 萬，每月模型費用常只要數百到數千元。
一家 60 人的機械零件廠，業務常問「某型號的公差規格」「哪份文件寫保固條件」，答案散在 400 份 PDF 與共用資料夾。廠商提案：「我們用 RAG，把文件做 Embedding 存進向量資料庫，再接大型語言模型。」老闆點頭，其實三個詞一個也沒聽懂。這三個詞要一起講，因為它們是同一套系統的三個零件。
RAG：先查資料再回答的 AI
RAG（檢索增強生成）就是「AI 回答前，先去你的文件裡找相關段落」，讓答案有根據。
類比：一般 AI 像只靠記憶回答的新同事，記不清楚就可能亂講；RAG 像一位圖書館員，先去書架找出 3 本相關的書、翻到那一頁，再根據內容回答你。
例子：補習班櫃台常被問「高二數學週三班還有沒有位子、退費怎麼算」。RAG 系統會先找出課表與退費辦法那兩段，再組成回答，並附上出處，家長也能點開確認。
Embedding：把文字變成座標
Embedding（嵌入向量）是把一段文字轉成一串數字，意思相近的文字，數字也會很接近。
類比：像替每本書標上地圖座標，「保固期」和「維修保證多久」寫法不同，但座標會落在很近的位置，所以就算客人用不同說法問，也找得到。
例子：製造業的業務輸入「這顆軸承能耐多高溫」，系統會找到規格書裡寫著「工作溫度範圍 -20 至 120°C」的段落，即使兩句話沒有共同的字。轉換費用很低，以 OpenAI 的 Embedding 模型為例，400 份文件轉一次通常不到新台幣百元，實際價格以官方定價頁為準。
向量資料庫：存座標、找最近的
向量資料庫是專門存放 Embedding、能在幾毫秒內找出「最接近的幾段文字」的資料庫。
類比：一般資料庫像按書名排序的書架，只能找完全相同的書名；向量資料庫像按主題遠近擺放的書架，走到「保固」區，旁邊就是「維修」「退換貨」。
例子：文件少於數萬段的中小企業，不一定要買專門服務；在既有 PostgreSQL 加上開源的 pgvector 擴充，就能做到，省下每月數千元的雲端費用。
三者之間的關係
三者是一條流水線：Embedding 負責翻譯、向量資料庫負責找、RAG 負責把找到的內容交給 AI 回答。
概念圖可以這樣想：左邊是公司文件，經過「切段＋Embedding」變成座標，存進中間的向量資料庫；右邊使用者提問，問題也被轉成座標，到資料庫找出最接近的 3–5 段，連同問題一起交給大型語言模型，最後產出附出處的答案。
| 名詞 | 一句話 | 日常類比 | 主要成本 |
|---|---|---|---|
| RAG | 先查文件再回答 | 圖書館員 | 每次提問的模型費用 |
| Embedding | 文字轉座標 | 替書標地圖座標 | 一次性轉換，費用很低 |
| 向量資料庫 | 存座標、找最近的 | 按主題擺放的書架 | 主機或雲端月費 |
對客戶決策的具體影響
預算大頭不在 AI，而在整理文件與權限控管。
- 預算：基本版（單一部門、數百份文件）約 NT$15–25 萬；含權限分級、LINE 介面、後台管理約 NT$30–50 萬。
- 月費：每天 200 次提問，模型費用多在每月數百到數千元，主機另計。
- 時程：6–10 週，其中 2–3 週在整理與清理文件。
- 風險：文件過期或互相矛盾，AI 就會引用錯的版本；機密文件沒設權限，任何員工都可能問到。
該問廠商的 5 個問題
這 5 題可以直接拿去問，答不出來的廠商要小心。
- 答案會不會附上出處文件與段落？
- 文件更新後，多久會反映在答案裡？要不要重新付費？
- 不同部門能不能看到不同文件？權限怎麼設？
- 找不到答案時，系統會說「不知道」還是硬編？
- 每月模型與主機費用怎麼估？用量暴增時有沒有上限？
常見問題 FAQ
RAG 系統還會亂回答嗎？
會減少但不會歸零。要求附出處、設定找不到就回答「不知道」，能大幅降低風險。
一定要用向量資料庫嗎？
文件少時不一定。數萬段以內用 PostgreSQL 加 pgvector 就夠。
公司文件會被拿去訓練 AI 嗎？
使用企業 API 時，多數供應商預設不拿來訓練。仍應確認合約與資料保存政策。
和直接用 ChatGPT 上傳檔案有什麼不同？
差在權限、規模與整合。自建系統可分部門權限、接 LINE 與內部系統，文件也能自動更新。
行動呼籲
ScriptWalker（台灣 Laravel／Flutter 客製化開發工作室）可以替你評估文件量、權限需求與預算，客製化系統開發 NT$80,000 起。想知道你的公司文件適不適合做 AI 問答，預約 30 分鐘技術諮詢：
- Email：[email protected]
- 電話：0916-224-047
- LINE：@ufv9089p