跳到正文

#RAG

RSS
今日 3 則
今天11月23日週一
  1. Dev.to Top Tech48

    為什麼 RAG 的查證遇上大量請求就會變慢?以及可以怎麼改善

    RAG 會找出和問題相似的資料,但相似不一定代表正確;如果每次都再請 LLM 檢查每一段資料,答案可能更可靠,服務也可能慢到撐不住。文章指出,檢查和生成都要呼叫 LLM,資料段落越多,等待時間和用量就越高;例如一次檢查 8 段資料,可能要依序呼叫 LLM 8 次。建議先用便宜、快速的方法篩掉明顯不相關或已經很合適的資料,只有分數互相矛盾、難以判斷的部分才交給 LLM。這樣可以保留查證的好處,也減少服務塞車的機會。

  2. Dev.to Top Tech61

    金融研究儀錶板如何先檢查許可權,再留下可追查的引用

    金融研究儀錶板可能引用過期內容,也可能把受限檔案顯示給沒有許可權的人。作者建議先確認使用者身分和檔案許可權,再搜尋符合資格的資料,最後才交給模型整理;搜尋相似度不能當成許可權檢查。每筆引用要留下檔案版本、內容摘要值、引用位置和採用的許可權規則,來源內容改變時也要標記舊引用已過期。這些紀錄能協助查明答案為何改變,同時避免把受限內容放進通知或模型提示詞。

  3. Dev.to Top Tech75

    Project Pavilion 示範如何更新 RAG 索引又保留舊資料

    RAG 系統更新檔案索引時,如果新資料只寫進一部分,搜尋可能會混用新舊內容,讓回答變得不可靠。作者以 Project Pavilion 為例,說明先在背景準備新版本,檢查檔案、文字和向量都完整後,再一次切換成目前使用的版本;更新失敗時,舊索引仍可繼續使用。文章也介紹如何安排重試、讓失敗的檔案保持可見,以及在嵌入服務停擺時改用舊索引或其他搜尋方式,減少單一故障影響整批資料。

11月22日週日
  1. Dev.to Top Tech57

    如何避免 PDF 跨頁表格的註記讓 RAG 答錯

    PDF 表格跨到下一頁時,資料列可能和標題分開,註記也可能被錯貼到其他資料,讓 RAG 找到正確數字卻附上錯誤條件。文章用一個示範案例說明,應保留每格資料和註記所在的頁碼,再根據標記與內容判斷註記適用哪一格;證據不夠時,先保留待確認狀態。整理檢索內容時,也要附上欄位標題和適用註記,並分別引用數值與註記所在頁面。測試時可移動或拿掉標記,確認註記不會誤套到其他資料列。

  2. Dev.to Top Tech35

    向量資料庫不只比文字意思:打造能配合許可權與資料條件的 RAG 流程

    只用向量資料庫找「意思相近」的文字,在教學範例裡或許夠用,實際工作卻常常還得檢查資料日期、語言和使用者許可權。若先找出最像的資料再刪掉不符合條件的內容,最後可能一筆也不剩;若先列出符合條件的資料,再拿去比對向量,資料太多又會拖慢速度。 文章示範把許可權和其他條件直接放在向量資料旁邊,搜尋時同時比對文字意思與這些條件,最後再依錯誤程式碼或資料更新時間調整排序。像是找英文的支援紀錄時,可以只找目前使用者有權檢視的內容。這能讓 AI 助理拿到更合適的資料;如果找到的資料不對,再好的模型也可能答錯。

  3. Dev.to Top Tech67

    如何用 Python 把 ESPN 網球賽事拆成單場檢索資料

    用賽事資料做搜尋時,一筆資料可能包著整場賽事的多場比賽,問題只問其中一場,搜尋結果卻帶進其他比賽。作者示範用 Python 把 ESPN 網球資料拆成單場比賽資料,並把賽事名稱等背景一起保留,讓每場比賽能單獨搜尋。空白通知、不完整資料和超過 1200 個 token 的內容會送進檢查清單,不直接塞進搜尋資料;缺少的欄位也不自行補上。這種拆法符合查詢單場比賽的需求,但文章提醒,是否讓搜尋更準還得用實際問題測試。

  4. Dev.to Top Tech57

    AURA 推出離線 AI 程式碼工作室,可搜尋程式庫並逐行審查修改

    把公司程式碼傳到雲端 AI,對有隱私或法規要求的團隊常常行不通。作者打造 AURA,讓 AI 助理在本機讀取程式庫、搜尋不同檔案並提出程式碼修改。實際寫入檔案前,使用者可以先看逐行差異,再選擇套用或拒絕;每次修改也會保留快照,方便還原。AURA 還能在本機執行模型,並用 Rust 建立程式碼搜尋索引。作者表示,專案已改為以 GNU AGPLv3 完整開源,並在 Linux 上測試。

  5. Dev.to Top Tech58

    金融研究看板如何分頁,避免搜尋結果重複或漏掉新檔案

    金融研究看板的資料會持續更新,若直接用頁碼翻搜尋結果,新增檔案可能讓前後頁重複或漏掉內容。作者建議用穩定遊標依序顯示檔案,並記錄檔案版本與資料時間;要重做研究或核對引用時,則使用固定快照,讓舊版本仍可查到。文章也提醒,先把同一份檔案的段落合併再分頁,並清楚標示資料新舊,才能讓分析師知道看到的是哪個時間點的資料。

  6. Dev.to Top Tech69

    作者分享如何切分旅遊資料,讓 AI 助理的行程建議能查到來源

    旅遊行程裡的日期、票價規則和營業時間,若混在一大段資料中,AI 助理就可能引用了看似合理、卻不支援答案的內容。作者分享一套做法:依照意思、來源或有效時間的變化切分資料,並記下原文位置和日期等資訊;檢索時再把每項行程說法連回至少一段來源。像是城市通票遇到國定假日不適用的例外,就要和通票規則放在一起,避免只找到「可參觀三間博物館」而漏掉限制。這種切法適合重視引用查證的行程規劃,也需要團隊維護來源位置與資料新鮮度。

  7. Dev.to Top Tech53

    電商商品搜尋如何避免找到過期或不可買的商品

    電商搜尋有時會找到文字很像、實際上卻已停售的商品,問題可能出在資料邊界和更新流程。作者建議先限定哪些商品資料能進入搜尋,並讓每段內容都連回商品、版本和有效期限;庫存與價格則在回答時查詢最新資料。商品已刪除或資料過期時,搜尋應排除舊內容,找不到符合條件的商品就說無法確認。文章也說明如何測試重複匯入、延遲更新和商品刪除,避免舊資料蓋過新資料。

  8. Dev.to Top Tech58

    如何讓選單 AI 助理避開過期的價格與供應資訊

    選單網頁可能悄悄改了價格、供應狀況或過敏原資訊,AI 助理就算找到最相關的文字,也可能答錯。作者建議先依問題種類設定證據期限,再從期限內的資料挑答案,例如價格抓取後 15 分鐘內才採用,過敏原資訊則設為 24 小時;超過期限就請人確認或重新抓取。系統還要記錄資料來源和抓取時間,並在答案中標明資料何時取得。這樣能減少舊選單被當成現況,也方便用過去儲存的網頁檢查規則是否可靠。

  9. Dev.to Top Tech65

    Atom Zero 用 49.2M 引數模型打造可查來源的本機 AI 助理

    小模型能記住的知識有限,硬要它回答所有問題,容易答錯又讓人失去信任。作者做出 Atom Zero,讓 49.2M 引數的模型負責簡短對話,再從本機檔案找資料和來源,或用工具處理算術、待辦事項、時間與個人筆記。找不到資料時,它會說沒有來源,並把問題記下來;要查外部資料前,必須先由人同意。作者測試整套產品時,21 項行為檢查全數通過,但裸模型不使用檢索和工具時,知識測試只有 2/10。它可在本機運作,也能選擇把一般聊天交給本機模型服務;作者提醒,這不是通用推理模型。

  10. Dev.to Top Tech65

    如何替七個更新頁面去除重複內容,並保留可查證的引用

    追蹤多個更新頁面時,同一則訊息可能因網址或發布時間不同,被系統當成好幾條新訊息,讓客服收到重複通知。作者建議先清理網址與頁面文字,再用來源、網址和文字雜湊值辨認重複內容,並把引用資訊一路保留到搜尋和通知中。這樣七個來源轉載同一段內容時,只算一組證據;頁面真的有變動時,通知也能附上新舊內容的差異和來源。文章也提醒,若內容主要在圖片裡,或必須逐一顯示每個轉載網址,這套做法就不一定適合。

  11. Dev.to Top Tech45

    值得收藏的 GitHub 專案:本機模型、編輯器裡的 AI 助理與 LLM 開發工具

    想在自己的電腦跑模型、在寫程式時用 AI 助理,或動手做 LLM 專案,可以從這份 GitHub 清單找工具。像 Ollama 能用一個指令下載並執行模型,Cline 能在 VS Code 裡讀取專案、修改檔案和執行指令;LiteLLM 則提供一個 API 連線 100 多種模型。清單也收錄 ComfyUI 這類圖片與影片生成工具,以及學習系統設計和動手做專案的教材,方便依照自己的需求挑選。

  12. Dev.to Top Tech72

    Dify 1.20 架構指南:追蹤 AI 工作流程、加入人工審核與升級注意事項

    企業用 Dify 執行 AI 工作流程時,需要看清每一步發生什麼事,也要讓人能審核重要操作,並避免惡意檔案進入知識庫。這篇指南介紹 Dify 1.20 的 OpenTelemetry 追蹤、把審核通知送到 Slack、Microsoft Teams 等通訊工具,以及上傳檔案時先掃描病毒的功能。文章也整理自架環境升級時要調整的設定檔、工作佇列和資料庫遷移步驟,方便團隊掌握部署前的準備工作。

  13. Dev.to Top Tech60

    房屋搜尋如何用增量索引,讓新房源和異動及時出現在結果中

    房源狀態或價格改了,搜尋結果卻還留著舊資料,會讓找房的人看到已售出的房子,或漏掉降價資訊。作者分享一套增量更新做法:每筆房源都有版本,系統只接受較新的版本;重複送來的更新可以安全重做,定期比對也能找回漏掉的資料。房價改動時可只更新價格欄位,文字沒變就不必重算向量。至於一筆房源要切成多大的文欄位落,作者建議用實際查詢測試相關性和更新速度,再依目標選擇。

  14. Dev.to Top Tech43

    AI 客服怎麼避免答錯:6 個真實案例與改善方法

    AI 客服有時會承諾公司沒答應的退款、引用不存在的規定,或把別人的訂單資料回給客人。作者整理出 6 個實際案例,發現多半是資料沒整理好、規則互相打架,或系統漏看了重要資訊。像是客服和客人來回談了 25 次,退款承諾藏在訊息中間,AI 沒找出來;後來先把對話整理成附有來源和日期的重點,輸入資料也從 37,604 個 tokens 減到 4,722 個,回覆才答對。 改善方法包括:資料沒有提到的內容就不要硬寫、提供目前日期、檢查訂單編號的辨識方式、每次回覆前先查常見問答,並針對最新一封信重新產生自動回覆。這些做法提醒我們,AI 答錯時,先找它缺了什麼資料或用了什麼錯誤規則,通常比只叫它「小心一點」更有用。

  15. elvis51

    要做出好用的 RAG 系統,光靠人設計的方法是否足夠?AutoRAGBench 用九項開發任務測試 AI 助理:不提供起始程式碼或做法,讓它在六小時內分析資料、建立流程,再根據實驗結果調整。GPT-6.1 Sol 搭配 Codex CLI 平均得 56.1 分;每項任務都採用已發表最佳方法組成的人類基準,平均為 44.4 分。若從人類設計的系統開始改良,AI 助理在七項任務中平均增加 16.6 分。論文也比較九種 AI 助理設定,並追蹤它們在六小時內如何逐步開發。

  16. Dev.to Top Tech62

    RAG 助理十題答對七題,先查找回來的資料再修正

    RAG 助理答錯時,直接換模型或加知識圖譜,可能花了力氣卻沒找對原因。作者建議先檢視錯誤問題實際找回哪些頁面,再確認正確頁面有沒有出現、排第幾名,以及內容是否完整。文中把常見問題分成六類,例如找不到正確頁面、舊規定排在新規定前面,或答案需要串起多份資料。先處理找資料和排序問題,往往比建置知識圖譜省事;較複雜的作法留到有更多證據時再考慮。

11月21日週六
  1. Dev.to Top Tech59

    多租戶客服知識庫如何避免舊資料誤命中與跨客戶外洩

    多租戶客服知識庫若把文章、版本和嵌入向量混在一起,修改內容後可能還搜到舊資料;租戶篩選漏掉時,也可能把不同客戶的內容混在一起。作者建議分開儲存原始文章、修訂版本和文字片段,並在每筆資料都帶上租戶與版本資訊。重新產生向量時,系統會確認文章版本仍是最新的,才讓它出現在搜尋結果裡。比對重複文章時,則先找出可能相似的內容,再用文字與段落資訊確認。這套做法能讓資料更新和客戶隔離更容易檢查,也提醒團隊不要只靠背景工作夠快來維持資料新鮮。

  2. Dev.to Top Tech72

    Python 教學:用內容比對更新 Lever 職缺資料,避免 AI 助理引用舊需求

    職缺頁面的 ID 沒變,不代表內容沒有更新;只追蹤新職缺,也會讓 AI 助理繼續引用過期的工作要求。作者示範定期重新取得 Lever 職缺快照,再挑出職稱、說明和薪資等資料來比對內容;只有內容改變時才替換資料和舊段落,若內容相同,就只更新觀察時間。新版若少了薪資,也要一併移除舊薪資,避免答案留下沒有根據的說法。職缺從快照中消失,可能是篩選條件或筆數上限造成,不能直接當成已關閉;這套方法能追蹤觀察到的變化,但無法得知僱主實際修改的時間。

  3. Dev.to Top Tech57

    醫療 RAG 如何在證據不足時回答「我不知道」:寫程式前發現的 9 個陷阱

    醫院的 AI 助理若把「病歷沒寫」說成「病人沒有」,可能讓醫護人員誤判。作者用假想情境檢查一套尚未實作的醫療 RAG 設計,整理出 9 個陷阱,例如同名病人、已刪除的舊病歷、否定句被當成確診,以及搜尋系統故障被誤認為查無資料。設計中由醫院病歷系統提供事實,先確認使用者有權檢視,再讓系統核對引用內容、數字和日期;資料不足或無法查詢時,就明確說明情況。這是設計提案,沒有實際部署或臨床驗證。

  4. Dev.to Top Tech64

    RAG 系統如何避免 AI 助理引用已刪除的檔案

    檔案已經刪掉,RAG 系統裡的 AI 助理卻還能引用,問題可能出在搜尋索引沒有同步更新。原文說明,檔案來源和索引是兩份不同的資料;新增檔案容易處理,刪除、修改或調整許可權時,舊內容卻可能繼續被查到。作者建議把檔案當成一個整體更新,確保新版本放進索引時,舊版本也一併移除。上線前可在測試資料中刪除、縮短或限制檔案許可權,再確認 AI 助理是否仍看得到舊內容。

  5. Dev.to Top Tech64

    RAG 架構圖怎麼畫:從檔案匯入到回答問題都要顧到

    RAG 系統只畫出使用者、向量資料庫和大型語言模型,常會漏掉影響答案品質與資料安全的關鍵步驟。這份指南把流程分成兩條:一條在背景整理檔案、切成小段並建立向量;另一條在有人提問時搜尋資料、檢查許可權、挑出合適內容,再請模型回答並附上來源。文章也提醒,許可權要在搜尋時檢查,檔案裡可能藏著誘導模型的文字,因此不能只靠提示詞保護資料;固定用一組問題檢查搜尋和回答品質,也能看出修改後有沒有變差。

  6. Dev.to Top Tech50

    小型企業打造 AI 助理前,先用這份工程檢查清單想清楚需求

    小型企業想在網站或 WhatsApp 加上 AI 助理時,先別急著寫程式:要先決定它只負責哪一件事,例如回答商品常見問題或查訂單,再說清楚客人輸入什麼、AI 助理要回什麼。商品價格和庫存等即時資訊,應從公司現有系統查詢,不能讓模型猜;也要先安排轉交真人、遇到答不出來時怎麼處理,以及如何記錄和檢查對話。先讓少部分客人試用,觀察答對多少、多久回覆和花費,再定期更新資料與檢查紀錄,才容易讓服務穩定又不超出預算。

  7. Dev.to Top Tech50

    什麼是 Forward Deployed Engineer?給印度工程師的實用指南

    很多企業的軟體在展示時看起來很好,真正接上公司的資料、舊系統和安全規定後,卻不一定能用。Forward Deployed Engineer(FDE)會到客戶的工作環境裡,先弄清楚問題,再寫程式把產品接上客戶的資料與系統,處理安全檢查、上線和後續使用情況。 例如,客戶想用 AI 助理處理檔案,FDE 可能得讓它找得到檔案、接上公司的系統,也確認它只能讀取有許可權的資料。這份工作結合寫程式和跟客戶合作,得一路負責到系統真的能用。文章也提醒,印度工程師可以把程式、雲端、AI 和溝通能力一步步練起來;FDE 工作通常需要實際工程經驗,也可能要出差、參加客戶會議。

  8. Dev.to Top Tech49

    RAG 和微調怎麼選?工程師指南教你看需求

    如果 AI 助理缺的是最新資料,例如公司政策或產品資訊,適合用 RAG:回答前先找相關檔案,還能附上資料來源。若它知道答案,卻常常寫不出固定格式、抓不準語氣或分不好類,才考慮微調;不過可以先改提示詞試試。像是希望回答時列出政策依據,用 RAG 找檔案會比較合適;若要求每次都照同一種格式回答,微調可能更有幫助。兩種方法也能一起用:微調管回答方式,RAG 提供事實。選之前先用一小組題目檢查效果,因為資料找錯了,RAG 也可能答錯。

  9. Dev.to Top Tech42

    RAG 的下一步:讓企業 AI 助理整理和運用知識

    企業把檔案切成一小段一小段,再讓 AI 助理搜尋,常常找得到相關文字,卻不一定能回答需要多種資料的問題。文章認為,問題在於文字片段不等於知識;像「ABC Pro 何時上市、售價多少、何時新增 RAW 影片功能」,其實是幾種彼此相關的資訊。 作者以 LLMWiki 為例,提出先把資料整理成能互相連結、持續更新的知識頁面,讓 AI 助理依問題查產品、政策、訂單狀態和資料來源。穩定的企業知識可讓模型學習,會變動的價格、政策和即時狀態則交給 Wiki、資料庫或 API;RAG 仍可用來找原始檔案作為證據。這樣一來,企業 AI 助理就不只是在檔案裡找相似句子,也能根據整理好的知識回答問題。

  10. Dev.to Top Tech57

    作者示範如何讓問答系統從已選知識庫挑答案

    使用者已選好知識庫時,問答系統再花一次模型請求猜問題型別,可能增加等待,也不會帶來新資訊。作者把流程改成直接把已上線問答的標題和摘要交給模型,讓它只回傳條目編號;程式再依編號取出答案全文,並用規則核對答覆。像是問員工手冊的發薪時間,模型挑出相關條目後,答覆只根據條目原文撰寫。找不到合適條目時就停止回答,避免拿相近問題或模型常識補答案。

  11. Dev.to Top Tech65

    作者如何改造問答系統,讓模型依據已發布的資料回答

    問答系統即使找到相關資料,模型還是可能漏掉條件、把禁止說成可以,或把上限誤當成答案。作者把問答先存成草稿,正式發布後才讓系統讀取,也調整提示詞,讓模型只根據眼前的問答作答;另外加入不靠模型的規則檢查,攔下前後矛盾或沒有依據的結論。遇到年假天數題時,程式會從問題和原文取出已有天數、新增天數與上限,再算出較小的結果,例如已有 8 天、增加 15 天、上限 30 天,就得到 23 天。這些改動讓同一組 13 題在 Qwen3.6 上有 11 題答對,也揭露了規則檢查可能誤判的情況。

  12. Dev.to Top Tech59

    如何讓內部工程檔案的搜尋結果跟上更新,又控制索引成本

    內部檔案更新後,搜尋系統若還拿舊版回答,可能讓工程師照著過期的維護手冊處理事情。作者建議依檔案風險設定更新時限,例如緊急操作手冊要求 15 分鐘內更新,歷史詞彙表則可等 7 天;只替有變動的內容重新建立索引,減少不必要的處理。追蹤來源更新、索引完成和答案快取的時間,也能分辨延遲是卡在哪一段。若檔案來源不適合頻繁檢查,可改用較長的更新間隔,並為高風險檔案提供手動更新方式。

  13. Dev.to Top Tech57

    如何用中繼資料篩選,讓電商商品搜尋提醒更可靠

    商品頁只改了一點,提醒系統可能就搜尋太久、通知錯商品,或重複發出提醒。作者建議先用租戶、語系、上架狀態和內容雜湊等資料精確篩選,再用語意搜尋找出真正相關的商品;如果雜湊和上次相同,就能略過重複工作。文章也用 Go 示範流程,並提醒要等搜尋成功後再記錄新雜湊,讓失敗時可以重試。追蹤各階段的耗時、搜尋結果和重複提醒,有助於在速度與準確度之間做取捨。

  14. Dev.to Top Tech39

    Amazon S3 Annotations 如何替檔案加上背景資訊,讓 AI 更容易找到需要的資料

    公司把合約、報表和圖片存進 Amazon S3 後,光看檔名常常不知道檔案是誰的、能不能使用,或目前審核到哪一步。Amazon S3 Annotations 可以替檔案加上這些整理好的背景資訊,原本的檔案內容不必更動;例如標明合約屬於哪位客戶、是否已核准。應用程式就能先按這些條件找出合適檔案,再搭配 AI 搜尋內容並整理答案。這讓資料更容易被找到和管理,但仍要檢查 AI 加上的資訊是否正確,並確認使用者有許可權讀取檔案。

  15. Dev.to Top Tech43

    餐廳選單 AI 助理如何搭配網頁搜尋與向量搜尋,並管好爬取範圍

    想問「今晚有沒有無麩質義大利麵」,如果 AI 助理直接把網頁搜尋的前幾筆結果拿來回答,可能會受搜尋排序或選單頁內容影響,答錯餐廳或餐點。作者建議先用網頁搜尋找出選單頁,再只抓允許的網站,把選單整理後存進餐廳各自的資料庫;回答時只查這份資料,並附上來源網址。資料過期或找不到足夠證據時,就追問或說無法確認。 這樣網頁搜尋負責找資料,向量搜尋負責查已確認的選單,兩邊各做各的;餐廳下架餐點時,也能重新整理資料並刪除舊紀錄。Infrai 可以用同一套 REST API 做搜尋和查詢,但哪些網頁能抓、資料要留多久,仍要由使用團隊決定。

  16. Dev.to Top Tech56

    Node.js 教學:部署後找不到向量集合,如何檢查環境設定

    部署後第一次搜尋才發現找不到向量集合,常見原因是新環境設定的名稱和實際建立的名稱不同。文章示範在 Node.js 啟動時列出已有集合,核對設定名稱;找不到時就讓新版本部署失敗,並印出可用名稱,避免錯誤拖到學生搜尋時才出現。建立集合應放在獨立的設定工作中,完成後再匯入資料,服務程式只讀取和查詢已設定的集合。這項檢查只能確認集合存在,不能保證裡面的課程資料夠新或切分合適;作者也提醒,使用統一 API 不會改變背後資料處理商的責任,仍要確認資料所在地、保留和刪除方式。

  17. Dev.to Top Tech59

    Node.js 如何用三階段搜尋找候選人,並保留來源與許可權

    找候選人時,如果只看搜尋排名,招募人員可能難以確認資料從哪裡來,也可能看到不該讀取的內容。作者示範一套 Node.js 搜尋流程:先查公司自己的候選人資料,證據不足時再查符合規則的共用人才庫,最後才查公開網頁,並把外部結果標成較低信任。每階段都保留引用來源與存取許可權;網頁搜尋也有時間限制,遇到 429 最多重試一次。這樣能在資料不足時擴大搜尋,同時讓結果更容易查證。

  18. Dev.to Top Tech42

    旅遊行程規劃器如何處理已刪除的行程專案:語意搜尋的 3 個原則

    旅遊行程裡的飯店或活動已經刪除,搜尋卻可能因為舊資料還在、文字又很像,照樣把它找回來。作者建議每個行程專案都用固定的身分編號,刪除時依編號移除或排除;接著先按地點、日期和狀態縮小範圍,再做語意搜尋,最後合併重複專案並附上來源和更新時間。像是「博物館門票」已從巴黎行程移除後,搜尋「第二天的室內活動」就不該再引用舊門票。這樣比較容易追查過期答案從哪裡來,也提醒我們:搜尋服務不會自己知道哪些資料已失效,刪除規則得由行程系統負責。

  19. Dev.to Top Tech54

    如何遷移租戶 DNS 記錄,避免子網域和根網域設定漂移

    把租戶網域從註冊商搬到別的 DNS 服務時,寫入成功不代表公開查詢到的記錄符合預期,根網域也不能直接使用 CNAME。作者用 Python 範例說明,先把預期的網域名稱、記錄型別和目標另外儲存,再用可重複執行的方式寫入,並比對設定與實際查到的結果。例子中,兩個租戶子網域共用一筆 CNAME 目標,另一個根網域則明確使用 A 記錄;重複套用設定後,還要另外確認 DNS 已發布。這套做法能幫助團隊找出舊記錄或缺漏,避免把寫入成功誤當成遷移完成。

  20. Dev.to Top Tech63

    RAG 完整流程教學:每個階段會修正什麼,失敗時又會出什麼問題

    AI 助理回答得很流暢,內容卻可能引用過期政策,甚至看到不該讀的合約。這篇教學用退款問題拆解 RAG 流程:先找相關資料,再檢查閱讀許可權、把重要頁面排前面,最後要求 AI 只根據資料回答。例子中,混合語意和關鍵字搜尋後,正確的退款政策排到第一名,答案才從模糊內容變成 30 天;只有許可權檢查能擋下法律部門限定的頁面,提示詞要求保密並不能取代它。排查錯誤時,先看哪些頁面真的送進了提示詞。

  21. Dev.to Top Tech55

    RAG 找不到答案?五個知識庫問題與排查方法

    RAG 知識庫明明顯示上傳成功,AI 助理卻可能找不到新資料,甚至回覆過期政策。作者整理出五個常見原因:硬碟空間用完、知識庫沒接到應用程式、改寫問題時偏離原意、切分檔案時拆散完整答案,以及新舊版本同時留在資料庫。排查時,應在應用程式裡用使用者真正會問的方式提問,檢視系統找回了哪些文字,並確認答案沒有被切成一半;更新資料後,也要重問原本答對的問題,確認新內容沒有把正確答案擠掉。