給 AI 讀的知識庫差在哪：動手前先寫測試題
人看得懂的 wiki，AI 還是可能答錯：它看到的是被切出來的幾段文字，看不到導覽、標題層級和前後文。所以動手建 RAG 之前，先寫一份測試題：每題附上答案和出處段落，並刻意放幾題文件答不了的。Azure 的 RAG 指南把這一步跟內容分析平行做；一項研究發現，只用 AI 生成的題目評估，會高估檢索表現 29 到 37 個百分點，所以要混入真實使用者的問題。知識庫小於約 500 頁時，也可以先不做 RAG，整份放進提示裡。
人看得懂的 wiki，AI 還是可能答錯：它看到的是被切出來的幾段文字，看不到導覽、標題層級和前後文。所以動手建 RAG 之前，先寫一份測試題：每題附上答案和出處段落，並刻意放幾題文件答不了的。Azure 的 RAG 指南把這一步跟內容分析平行做；一項研究發現，只用 AI 生成的題目評估，會高估檢索表現 29 到 37 個百分點，所以要混入真實使用者的問題。知識庫小於約 500 頁時，也可以先不做 RAG，整份放進提示裡。