為了解決企業內部知識分散且難以存取的問題，此方案旨在創建強大、針對企業的知識庫。核心技術是檢索增強生成 (RAG) ，它協同大型語言模型 (LLM) 的生成能力和精確的資訊檢索能力，顯著降低 AI 生成不準確或「幻覺」的風險。
Aortac 的 RAG 實施包括細緻的數據準備（文件的語義分塊、向量化、元數據添加）、複雜的檢索和排序機制（查詢理解、自適應檢索策略、相關性重新排序），以及嚴格的生成和驗證步驟（代理自我校正、可追溯性的來源引用、多維度正確性檢查）。提供多種 RAG 架構以適應各種業務場景：「多輪對話型 RAG」用於在諸如新員工培訓等應用中進行上下文理解；具有自我驗證能力的「Self-RAG」適用於諸如醫療或法律合規等高風險領域；「Agentic RAG」用於在跨系統整合中進行多工具推理和複雜任務分解；以及「Graph-RAG」用於在多領域複雜查詢中進行動態知識庫路由 。
知識片段的向量化和語義搜尋是 RAG 框架內實現高效且相關資訊檢索的關鍵。