RAG、Copilot 與 Agentic Workflow：依任務選來源、動作與控制

比較 RAG、Copilot 與 Agentic Workflow，先問人要完成什麼任務。需要查找來源、準備給人覆核的內容，還是執行一項核准動作？這是不同維度，可以組合，也可能只需要其中一部分。

它們不是所有企業都必須逐層採購的架構。搜尋、已提供的文件、固定 API 或規則流程，也可能完成工作。選擇要用任務、限制與評估證據說明。

先分開三種設計問題

RAG 是先檢索來源、再用取得的內容生成答案的模式。它不決定介面，也不保證來源正確、資料最新或權限已落實。Microsoft 的 RAG 說明包含不同搜尋與來源選項，而不是要求所有查詢都用向量。

Copilot 常用來描述協助人員的應用：查找、草擬、分析或工具輔助。資料可以來自已提供的內容、搜尋、API 或其他核准來源，不必每次都包含 RAG。應寫清楚人員在哪一步覆核及哪些動作獲准。

模型可參與控制流程，但自動化不必都由模型決策。Anthropic 2024 年的設計指南區分程式預定路徑的 workflow 與模型決定路徑的 agent，建議依需求增加複雜度。評估時先比較固定路徑、工具範圍與例外，再決定是否讓模型控制路徑。

涉及醫療、金融等重要決策時，先界定具體用途、動作與有權負責人，再確認適用要求。產品名稱不能代替這些判斷。

假設人員需要查找某項設備紀錄，並準備一份待覆核工單。先確認設備、版本、來源與可見角色；舊維修紀錄是參考，不是當前維修授權。

若只要找到文件，搜尋可能足夠。若需要整理相關內容，可評估 RAG 或直接提供核准資料。引用要核對是否支持摘要，找不到或衝突時保留未解問題。

若要建立工單，先確認誰可決定、工具可寫哪些欄位與如何覆核。欄位規則明確時，固定流程可能足夠；只有在需要情境判斷且能評估時，才比較模型控制路徑。重送、結果不確定與工具失效要有停止與接手安排，不能把模型的完成訊息當成動作已成功。

來源適用、回答支持、權限、動作結果、例外、覆核時間與完整成本分別記錄。選用不同組合，仍需用同一個任務範圍和代表性資料比較，不能只看示範是否順暢。

NIST 的生成式 AI 風險資料提供自願性的用途、風險與評估參考，不指定所有企業必須採用的組合或接受分數。規劃受控試行時，指定資料、工具、決策與營運負責人，再由證據決定是否繼續。

要理解 RAG 的基本模式，閱讀檢索增強生成的用途與邊界。要比較本案的流程與動作，參考現有Agentic Workflow 範圍。