DeepSeek 企業知識庫 RAG 落地手冊

企業導入 DeepSeek 最常見的場景不是「聊天」，而是用內部文檔回答員工問題。RAG（檢索增強生成）是這類場景的標準架構。

最小可行架構

員工提問 → 向量檢索（Top-K 片段）→ 組裝 Prompt → DeepSeek 生成 → 附引用來源

組件選型示例（可按團隊技術棧替換）：

• 向量庫：pgvector、Milvus、Weaviate
• Embedding：與檢索模型一致的嵌入服務
• 生成：DeepSeek API（回答層）
• 網關：統一鑑權、審計、限流

文檔準備：決定成敗的 80%

1. 清洗：去掉頁眉頁腳、重複模板、過期版本
2. 切片：按段落或標題切，單塊建議 300–800 字
3. 元數據：部門、版本號、生效日期、語言
4. 權限：檢索前過濾用戶可見文檔 ID

Prompt 模板（帶引用）

你是企業內部助手。僅根據以下「參考資料」回答，資料不足時說「內部文檔未覆蓋」。
每個結論後標註 [來源: 文檔標題 § 章節]。
使用香港繁體中文。

參考資料：
{retrieved_chunks}

問題：{user_query}

常見踩坑

私有化 vs 雲端 API

• 高度敏感：本地推理 + 內網向量庫，API 不出網
• 一般內部 FAQ：雲端 API + 脫敏文檔 + 網關審計

相關教程

• 國際版 API 接入
• 多語言輸出實戰
• 產業 ROI 評估