易混淆對照
Memory、Knowledge Base、RAG 三者差在哪？一次分清楚
Memory、Knowledge Base、RAG 三者差在哪？一次分清楚
這三個詞常常被混著用，於是就出現「我把文件上傳了，AI 為什麼還是不記得我的風格」這種問題。
答案是：你放錯地方了。三者不是替代關係，是互補關係。這篇一次分清楚。
你將學到什麼
Memory 記憶
記住你。身分、偏好、習慣、工作方式，長期不太變動。
Knowledge Base 知識庫
記住資料。文件、標準流程、規則、知識，由你或團隊維護。
RAG 檢索增強生成
需要時去查。即時檢索相關片段，再結合結果生成答案。
白話比喻
記憶是員工檔案，知識庫是公司檔案室，RAG 是那個會去查檔的員工。
定義
三者都是 AI 的記憶系統，但目的、內容、運作方式完全不同。理解差異，才用得對地方。
最短的分法：Memory 記住你，Knowledge Base 記住資料，RAG 需要時去查。
白話比喻
記憶是員工檔案：上面寫著你的偏好與習慣，同事每次跟你合作都會參考。
知識庫是公司檔案室：制度、手冊、法規都收在裡面。RAG 則是那個會跑去檔案室調資料的員工。
三者對照表
| 項目 | Memory 記憶 | Knowledge Base 知識庫 | RAG 檢索增強生成 |
|---|---|---|---|
| 目的 | 記住你，個人化 | 記住資料，知識管理 | 需要時去查，提升正確性 |
| 記住什麼 | 身分、偏好、習慣、工作方式 | 文件、標準流程、規則、知識 | 從知識庫或外部來源動態檢索 |
| 內容性質 | 個人化、主觀、偏好類 | 客觀、結構化或非結構化的知識 | 以當前問題為導向的相關片段 |
| 變動頻率 | 低，長期不太變 | 中到高，會持續更新 | 高，每次查詢都不同 |
| 誰在使用 | AI 長期記住你 | 你或團隊上傳與管理 | AI 在回答時即時使用 |
| 儲存位置 | AI 內部的用戶記憶區 | 向量資料庫或內部系統 | 向量資料庫加檢索引擎 |
| 存取方式 | 自動，每次對話都會參考 | 需要設定或手動調用 | 自動檢索，依問題抓相關內容 |
各自的限制
記憶的容量有限，而且可能誤記或過度個人化，把一次性的要求當成長期偏好。知識庫需要維護與更新，放著不管會越來越舊。
RAG 依賴檢索品質，設定也比較複雜。切片切不好、嵌入模型選不對，撈回來的片段就不會是你要的那一段。
實際用例
記憶適合個人助理、長期合作、風格一致的場景。知識庫適合團隊的知識管理與標準作業流程。RAG 適合專業問答、法規查詢、需要最新資訊的問題。
三者一起用的樣子是：記憶讓 AI 更懂你，知識庫提供知識基礎，RAG 讓回答更可靠、更準確。
最常見的誤解是把三者當成同一個東西的不同說法。它們的儲存位置、存取時機、更新頻率都不同，混著講就會把問題查錯方向。
第二個誤解是以為知識庫越大越好。資料量大但沒整理，檢索反而更容易撈到不相關的片段，回答品質會下降。
延伸學習
ChatGPT 很強，但真正讓你下班的是 Google
六小時完整實錄。從「AI 很厲害，為什麼你還是每天加班」這個問題出發，把 Google Workspace 當成真正的工作平台重新設計一次流程 ── Sheets 的資料結構、Drive 與 Docs 的文件流、Gmail 與 Calendar 的通知系統，再用 Apps Script 讓它自己跑起來，最後收斂成一張屬於你自己的 AI 工作能力地圖。
NT$ 4,599
HE301｜Harness Engineering Architecture（12 小時）
兩天十二小時的架構課，處理的是「第一百次仍然成功」。從能力設計出發，逐層拆解知識、脈絡、記憶、規則、工具、工作流、評估與多代理八種架構，每一種都給治理方式與真實案例。12 章 114 課圖文講義、52 張對照表，附兩天的學員講義與投影片 PDF。課程於 2026 年 8 月 30 日實體開課，完整錄影將於課後上傳。
NT$ 12,999