愛寫字的工程師某有機農場累積了十年的病蟲害防治紀錄文件，包含不同作物的病害症狀描述、防治方法和效果評估。農場主人希望建立一個 AI 助手，能根據農民描述的作物症狀，快速提供相關的防治建議和歷史案例。下列哪一種技術最適合解決這個需求？
答案 （C）
核心概念
當企業擁有大量專屬文件、又希望模型的回答建立在這些文件之上時，標準解法就是 RAG。
做法是把文件切塊、向量化建成知識庫，查詢時先檢索出最相關的段落，再連同問題一起交給語言模型生成回答。它的三大優勢正好對應本題：用得上自有資料、不必重新訓練模型、而且回答可以附上引用的歷史案例出處。
拿開書考比喻：不必把十年的資料背進腦袋，考試時翻到對的那一頁抄下來就好，還能標明抄自第幾頁。
答題技巧
快速判斷技巧：看到「累積大量自有文件」＋「要根據這些文件回答」，答案就是 RAG。 這是它最經典的應用情境，幾乎每份考卷都會出。
易錯陷阱：(B) 反映了一個常見誤解：「反正上下文變長了，全部塞進去就好」。 要記住兩個現實限制：上下文長度有上限，而且輸入越長成本越高、模型抓重點的能力也越差。 文件量大就該用檢索。