RAG
RAG 是先檢索資料再生成答案的架構。對網站來說，提供結構化且可檢索內容能提升被納入 RAG 的機會。
定義
RAG（Retrieval-Augmented Generation）是 AI 先從資料庫/文件檢索相關片段，再用模型生成答案的流程。若你希望內容被納入 RAG，你需要可被檢索的結構（清楚標題、段落、FAQ）、可機器讀取的資料（knowledge.json），以及穩定可抓取的 URL（sitemap）。
為什麼重要
- RAG 是許多 AI 搜尋/助理的主流架構
- 可檢索、可引用的內容更容易被採用
- 把 SEO 的可發現性延伸到 AI 的可檢索性
怎麼做（實作重點）
- 用清楚的內容結構（H2/H3、FAQ、定義）提升可切片性
- 提供 machine-readable 資源（knowledge.json、schema）
- 保持 URL 穩定、canonical 正確並在 sitemap 列出
常見問題
關於這個詞彙的常見問答。