使用 RAG
答案依賴持續變動的私有或公開來源，而且使用者需要引用、權限、新鮮度及覆蓋證據時使用檢索。
企業 AI 架構決策
企業應使用 RAG、模型微調，還是 AI Agent？
三者處理不同限制。RAG 提供最新且可追溯的上下文；微調改變可重複的模型行為；工具及流程執行有限操作；Agent 則在明確權限下協調多個工具及決定。
作者 Onyx Devs Lab · 發布 · 更新
知識檢索最新證據
行為調整可重複輸出模式
動作在有限權限下使用工具
讓方法對應缺少的能力
由所需輸出及失敗後果開始，而不是由架構名稱開始。
使用微調
當代表性例子可改善穩定語氣、分類、抽取或任務行為，而單靠提示詞不能可靠達標時才考慮。
使用工具或 Agent
已知次序使用確定性流程；只有跨工具的有限運行時決定具有價值且可評估、可控制時才使用 Agent。
不要用一種技術隱藏另一個問題
每種方法都有獨立證據與營運要求。
RAG 不保證真實
量度導入覆蓋、檢索召回、排序、引用正確度、答案依據、權限過濾及過期來源行為。
微調不是知識庫
訓練資料更難更新及引用；保留評估集、數據來源、版本、私隱覆核及回退。
Agent 不是無限自動化
定義工具、身份、權限層級、確認、預算、冪等、審計欄位、恢復及人工接管。
如何選擇最小充分方案
定義任務及證據
說明決策、輸出、事實來源、新鮮度、引用需要、可接受錯誤，以及是否會執行動作。
測試最簡單方案
先建立純提示詞基線，再增加檢索、微調、編排或自主決定。
只增加一項缺失能力
為知識加入 RAG、為行為加入微調或為動作加入工具，再用同一評估集比較。
營運組合系統
為每個組件建立版本，監測失敗與成本，保留追溯，並提供明確回退及人工路徑。
常見問題
一個系統可以同時使用三者嗎？
可以。系統可檢索證據、用微調模型完成狹窄行為，再由 Agent 協調工具；每個組件仍需獨立理由及評估。
RAG 可否消除幻覺？
不可。它可改善相關證據取得，但檢索、引用、解讀及答案生成每一層都可能失敗。
甚麼時候不需要 Agent？
當次序及規則已知，確定性流程通常更容易測試、控制及恢復。
可否用專有文件微調？
只有完成私隱、權利、保留、安全、供應商及刪除覆核後才應考慮；經常變動的資料通常更適合可控檢索。