Domain-Aware RAG：讓 AI 的引用查得到、權限管得住

在杭州 ICACTE 2026 講完之後，跟 Session Chair 合照。

A Domain-Aware Retrieval-Augmented Generation Architecture for Traditional Financial Institutions

ICACTE 2026 · 第一作者兼聯絡作者 · 已在杭州完成全英文口頭發表

這篇在解決什麼

傳統金融機構的文件很麻煩：法規、內規、公文、操作手冊、申請表單，每種結構都不一樣，而且一份文件可能同時涉及好幾個業務。

一般的 RAG 放進這種環境會遇到兩個問題：

• 引用不可靠：引用來源通常是 LLM 自己生出來的，有時候對，有時候是它編的。
• 權限太粗：權限只能設在「整份文件」的層級，但實際上同一份文件裡，不同段落該給不同的人看。

三個研究問題

1. 文件該怎麼切，才能同時滿足引用和權限的需求？
2. 怎麼讓引用來源不靠 LLM 自己生，而是穩定追溯到原始條文？
3. 怎麼把權限從整份文件細化到文件裡的子區塊？

我的做法

整條 RAG 流程。黃色標籤 c1、c2、c3 是下面三個設計各自作用的位置。

虛擬文件拆分

依照文件類型和業務結構，把一份實體文件拆成多份「虛擬文件」，每一份都有自己的語意和權限。法規照章、節、條、項切；公文、手冊、表單各有各的切法。

階層式麵包屑

在建立索引的時候，就替每個區塊記下它的完整來源路徑（哪份文件、哪一章、哪一條）。引用的出處在 LLM 開口之前就已經確定了，它沒有機會亂編。

子文件層級的權限控制

把存取權限從整份文件下放到虛擬文件。在檢索階段就直接濾掉沒權限的內容，那些區塊根本不會進入候選名單。

結果

項目	對照組	我的方法
檢索到未授權內容	35 / 600（文件層級權限）	0 / 600
引用正確	78%（18/23，LLM 自己產生引用）	96%（22/23）
引用可以解析到實際來源	83%（19/23）	100%（23/23）

我做的部分

主導研究問題的定義、系統架構設計、實驗規劃和論文撰寫。

背後的故事

這篇論文的題目不是坐在書桌前想出來的，而是做農會系統的時候被現實逼出來的。當時只是想讓系統好好運作，後來才發現這些工程問題整理一下，其實是可以被研究的問題。