本案例處理檢索增強生成（Retrieval-Augmented Generation, RAG）的資料儲存與檢索設計。原書強調「能檢索到什麼，取決於先前如何儲存」。
本案例依原書第 8 章的最佳實務、範例或情境重組，並非原書正式案例研究。
原書建議依主題、資料型態或功能分開建立索引，例如產品文件與疑難排解指南，不要把所有文件都放進單一索引。可在向量資料庫中建立內容相近的較小索引並同時從多來源檢索，再比較結果。建立索引時加入文件類型、標籤、來源等中繼資料，以便先過濾再檢索。文件分塊應維持語意完整，不要在表格、圖表、問題—解答組、段落或步驟中途切斷；動態路由則可把關鍵字映射到特定索引，或以提示詞路由邏輯呼叫目標子索引。
| 設計項目 | 原書做法 |
|---|---|
| 索引架構 | 依主題／資料型態／功能拆分 |
| 多來源 | 同時檢索並比較結果 |
| Metadata | 文件類型、標籤、來源等 |
| Chunking | 維持語意完整；避免切斷表格、圖表、步驟等 |
| 動態路由 | 關鍵字映射或提示詞路由至特定子索引 |
建立索引清冊，欄位包括「主題、資料型態、功能、Metadata、Chunk 邊界、路由規則」；AI 可找出內容混雜或結構被切斷的索引設計。
原書沒有提供檢索精準度、延遲或索引大小的具體數值，因此不補造結果。
RAG 的準確度、幻覺率、延遲與相關性都會受檢索品質影響。原書因此把索引拆分、中繼資料與分塊視為模型回答之前就必須處理的設計問題。
請依索引清冊檢查是否存在單一索引內容過度混雜、Metadata 缺失、Chunk 切斷結構內容，或可透過關鍵字／提示詞路由到更精確子索引的情況。