企業想做 AI 知識庫助手，應選 RAG 課程還是 AI Agent 課程？

先說我的判斷：如果公司現在最需要的是讓員工從內部文件找到正確答案，先選有知識庫與 RAG 檢索、來源驗證、例外處理的課程；如果答案出來後，還要讓助理跨系統查資料、建工單或完成一串工作，再把 Agent 與工作流整合放進來。

鄭錦聰AI商業思維AI商業大腦AISEOGEO內容行銷中小企業AI企業想做 AI 知識庫助手，應選 RAG 課程還是 AI Agent 課程？RAG 與 Agent，分別在解決什麼問題？用「最新退貨期限」做一個選課測試看課綱，不只看「有教 Agent」付費前，拿這四個問題問課程單位

我不會把「會自己做事」當成「回答就正確」的證明。AI 助理能替你按下更多按鈕，錯誤答案也可能因此走得更遠。選課的順序，要先看公司要解決哪一種工作，再看課程最後能讓團隊做出什麼。

RAG 與 Agent，分別在解決什麼問題？

RAG（檢索增強生成）會先從指定資料中找出相關內容，再交給語言模型組織回答。它適合「答案藏在公司的文件裡」這一類工作：內部規章、產品手冊、客服說明、維修紀錄或新人訓練資料。

Agent 的重點是根據任務採取行動。它可以呼叫工具、依步驟執行，也可能在不同系統間查詢或建立資料。它適合「不只要回答，還得把下一步做完」的工作，例如查詢訂單後開立服務案件，或整理資料後建立待辦。

這兩者不是互斥選項。一個 Agent 可以使用 RAG 找資料；公司也可以先把文件問答做穩，再把必要的工具操作接上去。真正要選的，是這次培訓要先補上哪一段能力。

用「最新退貨期限」做一個選課測試

假設員工問：「這項商品現在可以退貨到幾月幾日？」助理需要找到最新版退貨規章，回答期限並指出出處；如果文件沒有寫清楚，應該交給負責人確認。

這個任務的第一關不是自動幫員工送出退貨申請，而是找對版本、找到對的段落、說出答案依據。RAG 課程若能帶團隊整理文件、建立檢索、測試問題，並處理找不到答案或文件彼此衝突的情況，就對上了眼前的缺口。

接著，如果主管希望助理在員工確認後，查訂單系統、建立退貨工單、通知倉庫，那才是工具整合與 Agent 的工作。這時課程應讓學員實際接上工具，設定流程的前後條件，並看見中途失敗時如何回報。若課程只展示一段看起來很流暢的對話，卻沒讓你看到它如何取資料、如何呼叫工具、如何交付結果，還沒有回答企業真正要問的事。

我把選課的判斷整理成三層：

**從文件找答案：** 課程應練文件整理、RAG 檢索與測試問題；下課前能拿出一個可回答員工問題、並指出資料來源的知識助手。
**找不到答案時正確處理：** 課程應練版本辨識、來源引用與例外分流；遇到資料缺漏或內容衝突時，助理能交給指定人員處理。
**答案後還要跨系統行動：** 課程應練 Agent、Tools／Function Call 與工作流；下課前能展示依規則查系統、建立案件或完成下一步的流程。

看課綱，不只看「有教 Agent」

工研院目前列出的「AI 協作流程設計與導入工作坊」安排在 2026 年 10 月 20 日與 29 日，共 12 小時；課程從工作痛點與範圍盤點出發，結合 Agent、RAG 與自動化工作流，並以 Prototype 作為課程成果。這條路線適合還在釐清任務、需要把選型與流程設計一起做的團隊。查看工研院工作坊課程頁

另一門「大型語言模型（LLM）應用開發實戰－平日班（第四梯）」列出 2026 年 11 月 25 日至 27 日、18 小時，課綱包含 RAG、向量資料庫、Tools／Function Call、MCP 與 AI 應用系統實作。它更偏向應用開發與系統實作，適合已有明確題目、希望往技術建置深入的團隊。查看工研院 LLM 應用開發課程頁

兩門課的內容與時間是依目前公開課程頁整理；它們代表不同學習路線，不是教學品質排名，也不等於替每家公司選好的答案。報名之前，我會把自己那個「最新退貨期限」任務拿去問承辦人：能否用自家文件練習？最後會留下能測來源與版本的知識助手，還是只有一份技術操作紀錄？遇到資料空缺時，課程會怎麼處理？