DOCUMENT-BASED RESPONSE等待結果
↗
選擇範例或自由輸入，觀察兩種模式的差別。
LOCAL SIMULATION · 未連接任何 AI
VIBIWORKS · INTERNAL KNOWLEDGE
問公司規則，
先查再回答。
歡迎來到 vibiWorks 維比創新有限公司。比較有沒有公司知識時，回答會差多少。
CURRENT MODE公司知識模式 · 會搜尋 21 個文件片段
KNOWLEDGE CONNECTED
01拆解問題QUERY
02掃描片段RETRIEVE
03計分排序RANK
04整理回答RESPOND
LIVE RETRIEVAL MAP
文件掃描與排名
等待提問
QUERY你的問題會從這裡出發等待查詢分析
ANSWER CONTEXTTop 3 片段會匯入這裡
RETRIEVED CONTEXT—
通過門檻的片段會出現在這裡
RAG CONCEPT MAP 真實 RAG 通常怎麼運作？＋
事前準備
公司文件→解析與切片→建立文字／向量索引
每次提問
使用者問題→檢索 Top K→加入回答脈絡→生成模型作答
概念示意：這是常見 RAG 架構，不是所有系統都完全相同。實務上可能加入查詢改寫、權限過濾、混合搜尋、重新排序或多階段檢索，也可能省略其中部分步驟。
本頁實際執行
21 個真實文字片段 → 本機 BM25 檢索 → 2.4 分門檻 → Top 3 → 摘錄式整理
沒有 Embedding、向量資料庫或 ChatGPT