某企業「人資 AI 助理」採檢索增強生成（RAG）技術，系統會先檢索前 10 筆相關規章，再由其中排序最前面的 3 筆文件提供大型語言模型（LLM）作為回答依據。員工查詢「留職停薪規定」時，AI 遺漏了所屬部門最新補充規定。技術團隊確認該規定已成功檢索，但排序第 8 名，因此未被優先提供給大型語言模型作為回答依據。在不重新訓練模型、不重新建立向量資料庫的前提下，應優先導入下列何種元件改善此問題？
答案 （C）
核心概念
文件有被找到、只是排太後面，問題在排序，加重排序器。
題幹把診斷做完了：規定「已成功檢索」但「排序第 8 名」，前 3 名才會給模型。所以檢索沒問題，排序有問題。重排序器（Reranker）拿初步檢索出來的 10 筆，用更精細的模型重新算跟問題的相關性，把真正相關的往前排。不用重訓模型，也不用重建向量資料庫。
答題技巧
快速判斷技巧：RAG 故障題先分「找不到」還是「找到但沒被用」，後者選重排序器（Reranker）。 ・檢索到了、排序太後 → 重排序器 ・根本沒檢索到 → 查詢擴展器（Query Expansion） ・索引品質差 → 文本切分器（Text Splitter），要重建 ・重複問題省成本 → 語意快取器（Semantic Cache）
易錯陷阱：(A) 查詢擴展也是「讓正確文件更容易被拿到」，方向看起來對。 關鍵差異：題幹明說「已成功檢索」，卡在排序，擴展查詢幫不上忙。