最近我在 Amazon 上看到了一本以 RAG（Retrieval-Augmented Generation，檢索增強生成）精度改善 為主題的書籍。
為什麼想讀這本書 過去我讀過不少有關 RAG 精度改善的文章，在這過程中深刻感受到「提升 RAG 精度的方法真的非常多」。 雖然論文或技術文章中介紹了許多方法，但實際上能夠「全部親自嘗試，並整理出哪些方法真的有效」的內容卻相當少。 因此，這本書將有效的方法系統化整理，並集結成書，實屬難得。
這本書的內容設計成就算是完全不了解 RAG 的讀者，也能從零開始理解。 書的內容 本書共分為三章，盡量以簡潔且實務導向的方式呈現，方便讀者應用在實際專案中。 第一章：重新整理 RAG 的基本概念 說明 RAG 的基本運作原理與特徵，探討為什麼需要 RAG，以及為何「高精度化」如此重要。 第二章：RAG 的評估方法 在使用 RAG 時，能正確衡量「模型精度達到什麼程度」非常關鍵。 本章會介紹如何測量精度、應該採用哪些指標，以及在評估時應該注意的觀念與陷阱。 第三章：RAG 精度提升的實務策略（全書重點，占約 6〜7 成） 本章分為三個主要方向，詳細說明如何提升 RAG 的表現： 前處理優化：例如如何從 PDF 或 Excel 抽取資料、整理內容、設計適合的 chunk 分割與大小設定。 檢索精度提升：像是使用 Rerank 技術、Parent Page Retrieval 等方法，提高檢索到的資訊相關性。 生成精度改善：包含 Agentic RAG 等進階技巧，解釋如何更有效利用檢索結果產生高品質回答。 此外，書中穿插了多篇專欄，例如介紹 DeepResearch 及其改進方法，幫助讀者理解更進一步的發展性應用。 整體而言，本書所介紹的每一種方法都以學術論文或開源專案為基礎，並搭配實作的經驗，挑選出「實際可用、有效果」的方案。 因此，本書不僅是理論介紹，也是一份能直接應用於實務的參考指南。
