用一本法典實測關鍵字搜尋失準，十分鐘講清 RAG 先查再答與切 chunk 取捨

現在還要學 RAG 嗎？有人說它過時了，AI 自己 grep 一下就好。這集用一本厚厚的法典當例子，把 RAG（先查再答）從頭講到尾：為什麼不直接重新訓練、資料存在哪、向量資料庫是什麼、怎麼切 chunk、實際用下去會遇到哪些問題、Rerank 和 GraphRAG 這些加強版在解決什麼，最後回答「grep 是不是就夠了」。 ⏱ 章節 00:00 現在還要學 RAG 嗎？ 00:14 問題怎麼來的 00:50 想到的解法：重新訓練？整本塞進去？先查再答 01:35 資料存在哪：關鍵字搜尋 vs 向量資料庫（意思地圖與座標） 03:25 為什麼要切、怎麼切 chunk 04:47 實際用下去遇到的問題 05:48 延伸出的種類：Rerank、混合搜尋、查詢改寫、HyDE、Agentic RAG、GraphRAG、多模態 07:49 現在怎麼用＋大 context 還需要 RAG 嗎 08:42 RAG 過時了嗎？grep 其實就不錯了 09:56 RAG 跟知識圖譜一樣嗎 10:30 總結 💬 維維今天的心得 「grep 就夠了」這句話對一半：寫程式的時候名字都很精確，AI 自己搜、自己讀、不夠再搜，真的很好用。可是一換成法條這種「用字不同、意思一樣」的資料，搜「打人」還是 0 條，這時候向量搜尋加 Rerank 就回來了。所以 RAG 沒有死，學的是「先查再答」這個想法，用什麼工具查是其次。片中法條只是拿來舉例，實際案件請找律師喔。 Music: "Funk AF" – Everet Almond (YouTube Audio Library) #俗說AI #RAG #grep #向量資料庫 #Rerank #GraphRAG #AI教學