標籤: 企業知識庫

📌 本文重點

• 企業級 RAG 關鍵在檢索架構與權限設計
• 混合檢索 + 重排序是實務標配
• metadata/ACL 必須在檢索前就生效
• 評估指標需同時涵蓋正確性與延遲

在企業環境裡，RAG 的真正價值是：讓 LLM 能安全地用內部最新知識、可控地減少幻覺、並可以用工程方法迭代優化。本文從工程視角拆解：向量資料庫選型、檢索策略、chunking 與 metadata 設計、多租戶與權限控制、線上/離線評估指標，以及常見坑與解法。

重點說明

1. 檢索策略：不只向量，BM25 + 重排序才是實務標配

企業知識庫多來源、多格式，單純向量檢索很容易 miss 關鍵字或出現語義偏移。建議：

1. 混合檢索（Hybrid Search）：
2. 先用 BM25 或全文搜尋（Postgres tsvector、Elasticsearch、OpenSearch）做初篩

3. 再用向量相似度做語義排序，避免只靠 embedding 導致關鍵領域術語被忽略

4. 重排序（Rerank）：

5. 對 top-50 結果使用 cross-encoder / reranker 模型重新排序（如 bge-reranker-large）
6. 好處：在不放大向量庫負載的情況下，顯著提升 answer correctness

💡 關鍵： 透過「先 BM25 初篩、再向量排序、最後 rerank」三段式檢索，可以在不犧牲效能的前提下，大幅提升答案正確率與穩定性。

實務上你可以：

• 用 pgvector 存 embedding + Postgres 原生全文檢索
• 或用 Milvus 做向量檢索，搭配獨立搜尋服務（Elastic / OpenSearch）做 BM25

2. Chunking 與 Metadata：為檢索設計，而不是為分段而分段

錯誤的 chunking 會直接降低 context recall，企業常見問題是「段太小、沒有結構」。建議：

1. 混合策略 chunking：
2. 先以語義斷點（標題、小節）切大塊，再用字數/token 限制微調

3. 典型配置：512–1024 tokens + 128–256 tokens overlap

4. metadata schema 是檢索與權限的核心：至少包含：

5. tenant_id: 多租戶隔離
6. doc_id, section_id: 追蹤來源與回溯
7. source_system: Slack / GDrive / Confluence / Jira…
8. visibility_tags / acl: 權限控制（角色、群組、文件 owner）

好處：

• chunk 不只是「段落」，而是帶有權限、業務上下文的最小檢索單位
• 評估失敗案例時可以精準定位是哪個 chunk / doc 出問題

3. 多租戶與權限：在「檢索前」把不該看的東西砍掉

語義向量檢索會天然繞過傳統 RBAC 的關鍵字邊界，必須在檢索前加上身分綁定的 filter：

• Identity-bound pre-retrieval filters：查詢向量庫前，先用 tenant_id + ACL 建立 filter
• 所有檢索 API 都要支援條件：WHERE tenant_id = $tenant AND acl @> $user_roles

關鍵結論：

• 權限控制不能只做在「生成後」，因為一旦檢索到不該看的 context，就算你遮罩輸出，也已經有資料洩漏風險
• 向量庫層一定要有 硬隔離策略（租戶切庫 / 切 collection / 至少切 partition）

💡 關鍵： 權限過濾一定要在向量檢索「之前」就生效，否則只在輸出層遮罩，其實已經完成資料洩漏。

4. 評估與監控：不只看 BLEU，更要看「能不能在生產上 debug」

建議至少三類指標：

1. Answer Correctness（生成品質）

2. LLM 自評（使用 judge model）、人工標註小樣本、或用 rule-based 準確率

3. Context Recall（檢索品質）

4. 離線 benchmark：準備一組「問題 + 標準文件」pair，測量 top-k 是否包含正確文件

5. Latency（服務體驗）

6. 分段量測：檢索延遲、重排序延遲、LLM 生成延遲

好處：

• 可以清楚區分是檢索出錯、權限漏控，還是 LLM 幻覺
• 為迭代（換 embedding 模型、調 chunking、調 rerank）提供可量化目標

實作範例：Node + pgvector + 開源 embedding 的簡單企業知識庫

下面用一個簡化的架構示範：

• 向量庫：Postgres + pgvector
• Embedding 模型：BAAI/bge-base-en（你可以換成中文模型）
• 後端：Node.js (TypeScript)

1. 資料庫 schema 設計

-- pgvector 安裝後，建立知識庫表
CREATE TABLE kb_chunks (
  id             BIGSERIAL PRIMARY KEY,
  tenant_id      TEXT NOT NULL,
  doc_id         TEXT NOT NULL,
  section_id     TEXT,
  source_system  TEXT NOT NULL,
  content        TEXT NOT NULL,
  embedding      VECTOR(768) NOT NULL,
  visibility_tags TEXT[], -- e.g. ['legal', 'finance']
  acl_roles      TEXT[],  -- e.g. ['legal_team', 'admin']
  created_at     TIMESTAMP DEFAULT NOW()
);

CREATE INDEX idx_kb_chunks_tenant ON kb_chunks (tenant_id);
CREATE INDEX idx_kb_chunks_acl_roles ON kb_chunks USING GIN (acl_roles);
CREATE INDEX idx_kb_chunks_visibility_tags ON kb_chunks USING GIN (visibility_tags);
CREATE INDEX idx_kb_chunks_embedding ON kb_chunks USING ivfflat (embedding vector_l2_ops) WITH (lists = 100);

重點：

• 用 ivfflat + lists 調優檢索速度
• 用 acl_roles / visibility_tags 作為 pre-retrieval filter 的基礎

2. Chunking 與寫入管線（Python 伺服端工具）

from transformers import AutoTokenizer, AutoModel
import psycopg2

MODEL_NAME = "BAAI/bge-base-en"
MAX_TOKENS = 800
OVERLAP = 200

# 省略連線與模型初始化

def chunk_document(text: str, tenant_id: str, doc_id: str, source_system: str, acl_roles: list[str]):
    tokens = tokenizer.encode(text)
    chunks = []
    start = 0
    while start < len(tokens):
        end = min(start + MAX_TOKENS, len(tokens))
        chunk_tokens = tokens[start:end]
        chunk_text = tokenizer.decode(chunk_tokens)
        chunks.append(chunk_text)
        start += MAX_TOKENS - OVERLAP
    return chunks

def embed(texts: list[str]):
    # 簡化：batch embedding
    inputs = tokenizer(texts, padding=True, truncation=True, return_tensors="pt")
    with torch.no_grad():
        outputs = model(**inputs)
    embeddings = outputs.last_hidden_state[:, 0, :].cpu().numpy()  # CLS pooling 或改用 mean pooling
    return embeddings

# 寫入 pgvector 的 SQL 略

好處：

• chunking 有明確 token 參數，可調試
• metadata 與 ACL 一起寫入，避免「後面再補權限」的錯誤做法

3. Node RAG Pipeline：帶權限的混合檢索 + 重排序

import { Pool } from 'pg';
import { getEmbedding } from './embeddingClient'; // 呼叫 Python 或直接用 Node 模型

const pool = new Pool({ /* db config */ });

interface UserContext {
  tenantId: string;
  roles: string[];
}

export async function ragAnswer(query: string, user: UserContext) {
  const embedding = await getEmbedding(query); // 返回 Float32Array 長度 768

  // 1. 帶 ACL 的向量檢索
  const vectorSql = `
    SELECT id, content, doc_id, section_id, source_system,
           1 - (embedding <=> $1::vector) AS score
    FROM kb_chunks
    WHERE tenant_id = $2
      AND acl_roles && $3::text[]
    ORDER BY embedding <-> $1::vector
    LIMIT 50;
  `;

  const vectorRes = await pool.query(vectorSql, [embedding, user.tenantId, user.roles]);

  // 2. 這裡可以加 BM25 / tsquery 做 keyword 初篩（略）

  // 3. 用 reranker 模型重排序（虛擬碼）
  const reranked = await rerank(query, vectorRes.rows.map(r => r.content));
  const topContexts = reranked.slice(0, 5).map(r => r.content);

  // 4. 組 prompt 給 LLM
  const prompt = `你是公司內部助理，回答必須只根據提供的內容。

[檢索到的內容]
${topContexts.join('\n---\n')}

[問題]
${query}

請根據上面內容回答，若資料不足請明確說「目前知識庫沒有相關資訊」。`;

  const answer = await callLLM(prompt); // 例如 OpenAI / 本地 LLM

  return {
    answer,
    contexts: topContexts,
    debug: {
      retrievedCount: vectorRes.rowCount,
      tenantId: user.tenantId,
    },
  };
}

關鍵 API / 參數：

• embedding <-> $1::vector：pgvector 距離運算，建議用 L2 或 cosine
• acl_roles && $3::text[]：在檢索階段就做 ACL filter（pre-retrieval）
• LLM prompt 強制「無資料要明說」，降低幻覺

4. 簡單線上評估與監控

可以加一個中介層紀錄：

await logMetrics({
  tenantId: user.tenantId,
  query,
  latencyMs,
  retrievedCount: vectorRes.rowCount,
  model: 'bge-base-en',
  llmModel: 'gpt-4o',
});

後續離線跑：

• 對一批標註問題跑 RAG，請 judge LLM 給出 correctness score（1–5）
• 比較不同 embedding / chunking / rerank 策略的分數與延遲，做 A/B 測試

建議與注意事項

1. 幻覺依然存在：RAG 不是「關幻覺開關」

• 即使檢索正確，LLM 仍可能「補細節」或「推理過頭」
• 解法：
• 明確在 prompt 中說：「不在 context 裡的資訊一律不要編造」
• 在輸出層加 rule-based 檢查（如法律/財務答案一定要附來源文件 ID）

2. 檢索結果不穩定：embedding / chunking / rerank 三者缺一不可

• 換 embedding 模型時，一定要重新做離線 benchmark，不要只看 demo 感覺
• chunking 調整需同時看：
• context recall（有沒有檢索到正確文件）
• latency（chunk 變多會拖慢向量檢索）

💡 關鍵： 每次調整 embedding 或 chunking，都要用標註資料評估「召回率 + 延遲」，而不是只憑主觀 demo 感受做決策。

3. 權限洩漏：不要相信「應用層自己會控」

• RBAC 必須深入到向量庫 query 層
• 尤其是把 Slack / GDrive / Jira 接在一起作企業 search 時：
• 預設策略是「拒絕」，只對明確授權內容建索引
• 建議對敏感資料（legal / M&A 文件）做 單獨 collection / database 隔離

4. 迭代路線：從 PoC 到生產級

1. PoC 階段：單租戶、簡單 chunking、只向量檢索
2. Beta 階段：加 metadata schema、權限 filter、簡單監控
3. 生產階段：
4. Hybrid search（BM25 + 向量）
5. reranker 模型
6. 線上指標 + 離線 benchmark（answer correctness / context recall / latency）
7. 權限審計與合規（log 每次檢索的 doc_id 與 user_id）

核心結論：企業級 RAG 的關鍵不在「模型選哪個」，而在於：檢索架構、權限設計與可評估性是否工程化落地。只要這三件事做穩，模型與向量庫都可以迭代替換，而整個系統仍保持穩定、可回溯、可持續優化。

🚀 你現在可以做的事

• 在現有 Postgres 專案中安裝 pgvector，建立含 tenant_id 與 acl_roles 的 kb_chunks 表
• 準備一批「問題 + 標準答案文件」pair，離線跑一次 context recall/latency benchmark
• 將現有 RAG 應用的權限邏輯下沉到向量庫查詢層，加入 tenant_id + ACL 的 pre-retrieval filter