RAG（檢索增強生成）
先從知識庫檢索相關文檔再生成回答的 AI 架構，使輸出錨定可驗證來源。在器械合規中，RAG 降低幻覺法規事實的風險。
通用大模型可能「自信地」編造清關號或日期。RAG 在生成前檢索已核實語料，是合規場景的更安全默認架構。
為何合規需要 RAG
- 每條主張可回到文檔、頁碼與版本
- 降低無源生成
- 便於審計與 RA 複核
RAG 與微調
微調改善文風與格式，不保證推理時事實正確。合規默認用 RAG；微調可作語氣層。
在廠商投標台語境中，RAG（檢索增強生成）不是孤立術語：它連接目錄真相、證據對象與買方模板導出。應標系統應把相關主張落成可審狀態（match / partial / gap），而不是隻生成流暢段落。
評標與 RA/QA 核驗時，買方關心的是可追溯性：來源文件、版本、有效期與行級引用。任何自動化輸出（含 AI）若無法回到證據，只能算草稿，不能算提交就緒內容。
Orbid AI（原 MedStrato）把此類概念落實在應標閉環中；通用大模型可用於敍事輔助，但系統主檔仍應持有規格與證書真相。度量與速度數字若出現在營銷材料中，應視為內部/供應商自報基準，並在貴司標書與目錄上驗證。
與英文定義對齊的要點
- Why RAG matters for compliance
- RAG vs. fine-tuning
以上結構對應英文詞條「RAG (Retrieval-Augmented Generation)」的主要章節，便於多語種團隊對照同一概念。