Retrieval 檢索是什麼？在對的地方找到對的資料

當你的 AI 明明有知識庫，卻答得零零落落，八成不是生成出問題，而是檢索沒找對資料。

檢索是整條 RAG 流程裡最值得先調校的一段，因為它決定了後面所有環節拿到什麼材料。

定義

檢索是從文件、網頁、資料庫等龐大來源中，根據使用者的問題找出最相關的內容片段。簡單說：在對的地方，找到對的資料。

它在 RAG 流程裡排第二棒：使用者提問、檢索、生成、回答使用者。檢索的目標有四個：相關性、準確性、效率性、可靠性。

白話比喻

把 AI 想成一個要回答問題的圖書館員。檢索就是他決定走到哪個書架、抽出哪幾本書的那個動作。

如果一開始就走錯書架，後面讀得再仔細、寫得再漂亮，答案都是錯的。這就是為什麼檢索被稱為 RAG 的基石。

四種檢索方法的差別

實際用例

企業內部知識助理從公司文件、SOP、會議紀錄中檢索資訊；客服問答系統從 FAQ 與產品文件中檢索答案；研究與學術支援從論文與報告中檢索相關內容。

影響檢索效果的關鍵因素有五個：資料品質、切割策略、向量模型、索引與參數設定、後處理機制。其中前兩項的影響通常最大。