All Posts

問題一：保稅工廠產品及免徵關稅之原料，未經海關核准並按出廠形態報關繳稅，是否 不得出廠？ (chunk_size=300, chunk_overlap=60) 的回答 (chunk_size=800, chunk_overlap=150) 的回答 (chunk_size=1500, chunk_overlap=300) 的回答 總結趨勢與Chunking 建議

我們將 Prompt 調整為專家角色設定和強制 JSON 格式，主要為了達到以下三個 核心目標： 提升專業權威性： 限定為「台灣關務/通關專家」角色，確保回答內容和 語氣更專業、更聚焦。 標準化與易讀性： 強制要求輸出為「JSON 結構」，讓使用者能快速且準 確地提取資訊。 確保資訊可信度： 強制要求「每點都要標註來源」，這是防止 LLM 產生 錯誤（幻覺）並提供可追溯依據的關鍵措施。 這三點保證了答案的「專業、結構、可信」。

問題一：保稅工廠產品及免徵關稅之原料，未經海關核准並按出廠形態報關繳稅，是否 不得出廠？ 問題二：物流中心是否得以保稅貨物倉儲、轉運及配送為主要業務？可否進行重整及 簡單加工？ 問題三：免稅商店在規定期間內銷售予旅客且原貨攜運出口，是否免稅？ 問題四：保稅倉庫不得存儲之物品是否包含第15條所列不得進口物品？未經檢疫合格 或未取具主管機關同意之特定物品是否可存入保稅倉庫？ 總體而言，「有關稅法」的版本： 結論更為直接和明確，在多數情況下（問題1、4）的回答邏輯更清 晰 。 更傾向於引用和闡述正式法條，使回答更具權威性和準確性（問題1、 3） 。 提供更全面的上下文資訊或相關規定（問題3、4），例如免稅商店的額 外營運規定 。 在某些細節上對限制條件的描述更嚴謹（問題2中重整加工需經商務部 批准） 。 「無關稅法」的版本： 在第二個問題（物流中心）的結論和要點存在矛盾 。 較多直接陳述結果，而較少闡述法條要求的邏輯 。

本次專案以「保稅範疇定義」為核心主題，成功運用 LLM + RAG 技術建構出一個具備語意理解與資料引用能力的智慧問答原型系統。透過結合大型語言模型的生成能力與自建知識庫的檢索機制，系統不僅能提供準確、有依據的答案，亦大幅降低幻覺風險。 ...

這系統具備網頁化互動界面，透過 Gradio 平台實作。主要功能包含問題輸入區、系統回應區與查詢記錄區。系統啟動後，用戶可於輸入框提出保稅相關問題，系統將即時回應解釋與建議。  系統展示 操作流程摘要 ：   啟動系統後，進入對話介面  輸入如「什麼是保稅工廠」之問題 ...

研究背景與動機  隨著跨境貿易與製造外銷的快速發展，保稅制度在我國海關管理中扮演著重要角色。關於相關法規及流程繁雜，對初學者與實務工作者而言，查找與理解資訊往往耗時費力。有鑑於此，建構一套基於 RAG架構的聊天機器人系統，期望能透過 AI...

RAG 是  Retrieval-Augmented Generation  的縮寫，中文通常翻作「 檢索增強生成 」，是一種讓 大型語言模型（LLM）可以「先查資料再作答」  的技術架構。 核心概念     RAG 把兩個能力結合在一起：  Retrieval（檢索）：...

當今人工智慧快速演進，大型語言模型（LLM, Large Language Models） 已成為自然語言處理領域的核心技術，能進行高準確度的問答、摘要、推理與生成。然而，LLM 雖然強大，卻存在「知識過時」與「內容幻覺」的限制。為了克服這些問題，RAG（Retrieval...

LLM 是一種由人工智慧訓練出來的模型，能夠 理解、生成、總結和回答自然語言 （例如中文或英文）的文字。像你正在跟我對話，就是透過 LLM 技術實現的。  常見的LLM  ： 名稱   開發者   說明   GPT-4   OpenAI ...