幻覺與應對
RAG 檢索增強生成：讓模型「開卷答題」
PM 視角：什麼場景必須上 RAG？如何設計檢索流程？落地的坑在哪裏。
手段 02 / 04 · 預防
選擇業務場景
場景 A · 法律 / 合規
合同審查 / 法規查詢助手
法規頻繁更新，模型訓練數據有截止日期，極易引用已廢除的舊條文。
場景 B · 醫療健康
藥品説明 / 用藥建議助手
用藥方案高度個性化，模型的通用知識無法反映患者具體情況與醫院規範。
場景 C · 產品文檔
SaaS 產品技術支持機器人
產品迭代快，版本號、功能路徑頻繁變化，模型只記得訓練時的舊版本。
PM 決策框架：什麼時候必須上 RAG？
知識時效性強：政策/產品/價格頻繁更新，模型訓練數據趕不上
私有知識庫：公司內部文檔、產品手冊，模型根本沒見過
答錯代價高：法律、醫療、金融場景，錯一句可能引發事故
閒聊/創意場景不需要：RAG 反而讓回答更死板
對話對比
無 RAG（閉卷）
有 RAG（開卷）