CASE 02 ／企業內部文件檢索機器人

CASE 02主導開發

企業內部
文件檢索機器人

文件散落各目錄 → 自然語言提問，答案附資料來源，串流回應。

文件解析三路向量檢索RAGSSE 串流

我的角色｜主導開發：RAG Pipeline 設計（Chunking 策略、三路向量搜尋與加權合併）、後端實作與檢索品質調校。

SCROLL

THE PROBLEM ／問題與情境

答案就在文件裡，但沒人找得到，也不敢使用。

多套

文件散落在不同目錄，同一份規範可能存在好幾個版本。

逐份

只能靠檔名與關鍵字翻找，換句話說或中英夾雜就搜不到。

無出處

就算問到答案也不知道依據哪份文件，沒人敢直接拿來使用。

THE SOLUTION ／解決方案

索引先在離線備好，問題進來就三路一起找。

01 匯入

離線

多格式統一

PDF、Office、圖片統一轉成文字與中繼資料。

02 切割

離線

LLM 智能切割

依語意邊界切片，失敗時回退規則切割，再寫入索引。

03 關鍵

線上

三路檢索 + 加權合併

語意、關鍵字、標題並行查詢，去重後重新排序。

04 回答

線上

串流並附出處

SSE 逐字回傳，答案一律標註來源文件。

ARCHITECTURE ／系統架構

一個問題怎麼變成有出處的答案。

建索引提問

來源層

員工規範（pdf）

旅遊補助申請（pdf）

社團活動簽到表（docs）

›

處理層

文件處理服務
格式轉換・中繼資料

切割服務
LLM切割・規則回退

›

提問端

自然語言提問

›

接入層

查詢向量化
與寫入同 Embedding

›

索引層・兩軌交會

Vector DB
語意・關鍵字・標題三組向量

Relational DB 中繼資料
文件版本・切片索引

›

檢索層・三路並行

語意向量

關鍵字

標題向量

加權合併排序

去重・分數正規化・權重調校

›

生成層

LLM 生成答案
只依命中切片作答

SSE 逐字回傳
答案標註來源文件

━ 青色＝提問（線上即時）灰色＝建索引（離線批次）┄ 虛線＝三路結果匯入同一個排序去識別化示意，非實際部署

INTERACTIVE DEMO ／互動演示

可互動

選一則提問，看三路檢索怎麼合併成答案。

STEP 1

輸入問題

自然語言提問，先做查詢改寫與向量化

STEP 2

三路檢索

語意、關鍵字、標題三路並行查詢

STEP 3

加權合併

去重後依權重重新排序取前段

STEP 4

串流回答

以 SSE 逐字回傳並附上出處

同事提問／合成資料

檢索與回答

待機中

從左邊選一則提問，四個步驟會依序點亮，最後產出附出處的答案。

意圖：流程查詢語意向量 6 筆關鍵字 4 筆標題向量 2 筆

加權合併後排序

1. 人事作業手冊 v4 ・ 3.2 請假0.91

三日以上須經部門主管與處級主管兩關簽核…

2. 差勤系統操作說明・代理人0.84

送出前須指定代理人，代理人需為同部門…

3. 公告 2025-11 ・簽核調整0.72

自 2025/12 起兩日以內改為單關簽核…

串流回答

一般請假為兩關簽核（部門主管 → 處級主管）；自 2025/12 起兩日以內的假別調整為單關。送出前必須指定代理人，且代理人需為同部門同仁。

出處人事作業手冊 v4 §3.2差勤系統操作說明公告 2025-11

答案一律附出處，查不到依據時回覆「查無相關文件」而不臆測。

意圖：申請流程語意向量 5 筆關鍵字 7 筆標題向量 3 筆

加權合併後排序

1. IT 資源申請規範・ 2.1 測試機0.93

由專案負責人於資產系統提出，註明用途與預計歸還日…

2. 權限管理原則・最小權限0.88

預設僅開放唯讀，需額外權限者另附主管核准…

3. 內部網段說明・測試區0.69

測試機僅能存取測試區網段，不得連線正式資料庫…

串流回答

由專案負責人在資產系統提出申請，需註明用途與預計歸還日。權限預設為唯讀，若需寫入權限要另附主管核准。測試機僅能存取測試區網段，不得連線正式資料庫。

出處IT 資源申請規範 §2.1權限管理原則內部網段說明

答案一律附出處，查不到依據時回覆「查無相關文件」而不臆測。

意圖：資安通報語意向量 4 筆關鍵字 3 筆標題向量 4 筆

加權合併後排序

1. 資安事件通報流程・ 1.3 分級0.95

涉及個資者列為 P1，須於 1 小時內通報資安窗口…

2. 資安事件通報流程・ 2.1 窗口0.90

第一時間通報資安信箱與值班主管，不得先行對外回應…

3. 客服應對守則・敏感事件0.74

僅告知已受理並轉專責單位，不承諾原因與時程…

串流回答

涉及個資的事件屬 P1，須於 1 小時內同時通報資安信箱與值班主管。對客戶端只能告知已受理並轉由專責單位處理，不得先行說明原因或承諾時程。

出處資安事件通報流程 §1.3§2.1客服應對守則

答案一律附出處，查不到依據時回覆「查無相關文件」而不臆測。

本頁為去識別化整理，不含前雇主原始碼或資料；文件名稱與片段皆為前端合成資料。

TECHNOLOGY & DESIGN DECISIONS ／技術選型與設計決策

每個技術都對應一個要解的問題。

ASP.NET CoreWeb API 與 RAG Pipeline 編排

Qdrant向量儲存與 Named Vectors 多路檢索

Embedding 模型文件與提問的語意向量化

LLM API文件智能切割、查詢改寫與答案生成

SSE逐字串流回傳，降低長回答的等待感

MS SQL文件中繼資料、切片索引與問答紀錄

ALTERNATIVE CONSIDERED

為何不用單一向量檢索，而做三路加權合併？

單一向量檢索對「換句話說」表現很好，但企業文件充滿內部縮寫，這些詞不在 embedding 模型的詞彙裡，語意搜尋幾乎抓不到。三路並行讓各自補上對方的盲區，再以正規化後的加權合併排序，多一層排序邏輯與權重調校成本，換到的是專有名詞與口語提問效果都能明顯提升。

CHALLENGES & RESULTS ／挑戰與成果

難的不是查得到，是查得準又敢放心使用。

挑戰 01

專有名詞查不到

企業內部專屬名詞，改由關鍵字路補齊，切片時保留原文不做正規化。

挑戰 02

切割破壞語意邊界

以 LLM 依語意切割並保留標題階層，失敗或超長時回退規則切割再二次切分。

自然語言

用問的就好，不必先知道文件在哪。

答案附出處

每句話都能追回原始文件段落。

串流回應

SSE 逐字回傳，長答案不必空等。

下一個案例・ 03 企業內部 AI 應用整合平台 →