為什麼傳統搜尋引擎會找不到你想買的東西？

在了解 RAG 系統是怎麼尋找「小抄」之前，我們先來看看傳統的搜尋技術出了什麼問題。

假設你開了一家服飾電商網站。有一個客人今天想找一件「能讓我在下雪天保暖的外套」。 他在你的網站搜尋欄輸入：「極度禦寒衣物」。

如果你的網站使用的是傳統的搜尋引擎（也就是所謂的「關鍵字比對」），搜尋結果會是：「抱歉，找不到任何商品。」 為什麼？因為你的資料庫裡面，商品的名字叫做「特級羽絨防寒大衣」。 傳統資料庫非常死腦筋，它只認得一模一樣的「字」。因為「極度禦寒衣物」這六個字，沒有出現在「特級羽絨防寒大衣」裡面，所以它就覺得這兩件東西毫無關聯。

但在人類的腦海裡，我們知道「禦寒」跟「防寒」是同義詞，「衣物」包含「大衣」。我們憑藉的是對「語意 (Semantic)」的理解。

如果我們想讓 RAG 系統在龐大的公司文件中，精準找出可以回答問題的那個段落，我們就不能依賴傳統的關鍵字比對，我們必須讓電腦學會**「理解語意」**。 這時候，AI 界的一項神級發明誕生了：Embedding (向量化)。

什麼是 Embedding？把文字變成「座標」的魔法

Embedding 聽起來很抽象，但我們可以把它想像成是在玩一個「文字的 3D 定位遊戲」。

假設我們現在有三個詞：「蘋果」、「香蕉」、「狗」。 如果我們請一個 AI 模型來幫這三個詞做 Embedding，它會把這三個詞變成三組「數字座標」，放在一個立體的空間裡面。

  • 「蘋果」的座標可能是：[0.9, 0.1, 0.2] (代表它很有水果味，有點甜)
  • 「香蕉」的座標可能是：[0.8, 0.2, 0.1] (也是水果，但形狀不同)
  • 「狗」的座標可能是：[0.1, 0.9, 0.9] (動物味很重，會叫)

這時候神奇的事情發生了！在數學空間裡，「蘋果」跟「香蕉」的座標距離非常非常近！而「狗」的座標離它們十萬八千里！

這就是 Embedding 的強大威力。它把人類複雜的「語意」，轉換成了電腦最擅長處理的「數字座標 (向量)」。 有了 Embedding，當客人搜尋「極度禦寒衣物」時，AI 會把它變成一組座標；然後拿去跟資料庫裡的「特級羽絨防寒大衣」的座標一比對，發現它們在空間中的距離超級近！於是，AI 就能成功把這件大衣推薦給客人。

這種不看字面、只看意思的搜尋技術，我們稱為「語意搜尋 (Semantic Search)」。它正是 RAG 系統的心臟！

向量資料庫 (Vector Database) 的崛起

既然我們要把公司幾千頁的文件，全部切碎並變成「幾十萬組的座標數字 (向量)」，傳統的關聯式資料庫 (例如 PostgreSQL, MySQL) 根本沒辦法快速計算這些幾何距離。

因此，市場上誕生了一種專門為 AI 時代打造的全新資料庫：向量資料庫 (Vector Database)。 最著名的向量資料庫包含：

  • Chroma：輕量級、開源、可以直接安裝在本地端，是開發 RAG 測試時的首選。
  • Pinecone：雲端霸主，企業級首選，速度極快但收費不便宜。
  • Qdrant / Milvus：也是非常強大的開源向量資料庫。

在我們的 RAG 系統中，這些向量資料庫扮演了「超級圖書館管理員」的角色。 當你把問題變成座標丟給它時，它能在零點幾秒內，從幾百萬個段落中，找出座標距離你最近（語意最相關）的 5 個段落還給你。

Vibe Prompt 實戰：用 LangChain 呼叫 Embedding 模型

要把文字變成座標，我們需要借助語言模型（例如 OpenAI 的 text-embedding-3-small 模型）。 使用 LangChain，這只需要兩行程式碼！

【Embedding 體驗 Prompt】 我正在學習 LangChain 與 OpenAI 的 Embedding 技術。 請用 Python 寫一段簡短的範例碼：

  1. 使用 langchain_openai 裡的 OpenAIEmbeddings 模型。
  2. 將一段文字：「這是一台極速旋風電風扇」進行 Embedding (向量化)。
  3. 請印出這段向量結果的前 5 個數字，讓我看看「座標」長什麼樣子。
  4. 請附上中文註解。

AI 產出的示範碼：

import os
from langchain_openai import OpenAIEmbeddings

# 確保你有設定 OpenAI 的 API Key (在真實專案中請放在 .env)
os.environ["OPENAI_API_KEY"] = "sk-你的密碼"

def demo_embedding():
    # 1. 召喚 OpenAI 的 Embedding 模型 (預設使用效能最好的 text-embedding-3-small)
    embeddings_model = OpenAIEmbeddings()
    
    text = "這是一台極速旋風電風扇"
    print(f"正在將文字轉換為向量座標：'{text}'")
    
    # 2. 執行向量化魔法！
    vector = embeddings_model.embed_query(text)
    
    # 3. 印出結果 (OpenAI 的向量通常有 1536 個數字，我們只印前 5 個看看)
    print(f"轉換成功！這段文字變成了一組 {len(vector)} 維度的座標數字。")
    print(f"座標的前五個數字是：{vector[:5]}")

demo_embedding()

# 終端機輸出結果：
# 正在將文字轉換為向量座標：'這是一台極速旋風電風扇'
# 轉換成功！這段文字變成了一組 1536 維度的座標數字。
# 座標的前五個數字是：[0.012, -0.045, 0.088, 0.001, -0.023]

你看！這就是 AI 眼中的世界。那句關於電風扇的中文，已經變成了一長串精確的浮點數座標。

現在我們擁有了能理解語意的魔法與裝載它們的資料庫。 但問題來了，我們公司那厚達 500 頁的 PDF 說明書，要怎麼自動餵進這套系統裡呢？ 在下一章，我們將學習 LangChain 最實用的積木：Document Loaders (文件讀取器) 與 Text Splitters (文字切割器)，打造一條全自動的知識庫加工生產線！