⏱ 課程時數4 小時
🏢 授課方式到府企業內訓・客製化規劃
👤 授課講師金鍾赫
✅ 核心成果親手實作出以自家文件為基礎、能準確回答的 AI 系統
這是一門 4 小時的密集實務課程,運用 RAG(Retrieval-Augmented Generation)技術,親手建置能串接公司業務資料的客製化 AI 系統。在 Nanum 經營顧問執行長金鍾赫的指導下,循序學習從 RAG 核心概念、公司文件串接系統的架構設計,到運用 Supabase 與 Voyage AI 的實戰實作。透過理論學習搭配可直接應用於實際工作環境的 RAG 系統動手實作,學員將具備開發專屬自家資料之 AI 解決方案的能力。超越一般的 ChatGPT 使用方式,打造學習過組織內部專業知識與資料的客製化 AI,可大幅提升工作效率與決策準確度。本課程規劃經過 Nanum 經營顧問 50 多家大型企業・公共機關的培訓經驗驗證。
💻 先用線上課程學習這個主題 →這門課程適合誰?
本課程適合需要 AI・IT 培訓能力的企業與機構之實務人員與主管。特別推薦給以「理解 RAG 技術,並具備建置串接業務資料之 AI 的能力」為目標的組織。
您將學到什麼?
- 了解 RAG 技術,並具備建置串接業務資料之 AI 的能力
課程規劃
模組 1:了解 RAG 的概念與必要性
- 生成式 AI 的幻覺問題 – 分析產生無根據回答的原因並學習案例
- RAG(Retrieval-Augmented Generation)定義 – 了解文件檢索與生成相結合的方式
- 傳統 AI 方式與 RAG 方式比較 – 分析準確度、可靠性與企業應用性的差異
- 導入 RAG 的商業價值 – 保護企業機密、反映最新資訊、成本效益
- 幻覺問題的解決機制:分析以實際資料為依據生成回答的流程
- RAG 架構整體流程 – 逐步了解 Embedding、向量儲存庫、檢索與生成階段
模組 2:串接公司文件的 RAG 系統架構
- Supabase 向量資料庫結構 – 文件儲存、向量化與檢索功能的運作原理
- Voyage AI Embedding 模型的角色 – 實作將文字轉換為高維向量的流程
- 文件前處理與切塊(Chunking)策略:學習將長文件切分為最適當大小的方法
- 語意搜尋(Semantic Search)機制 – 以語意而非關鍵字尋找文件
- 向量相似度計算與排序 – 了解判斷檢索文件相關性的標準
- 與 Claude AI 的連接架構 – 將檢索結果整合進提示詞,產生最終回答
模組 3:Supabase・Voyage AI 實戰實作
- 建立 Supabase 專案並設定向量資料表:在實際的雲端環境中建置資料庫
- 串接 Voyage AI API 並產生 Embedding – 將範例文件轉換為向量後儲存
- 運用無程式碼工具(Make、Zapier) – 從文件上傳到向量化的自動化工作流程
- 運用 Claude Code 製作 RAG 應用程式原型 – 可實際運作的聊天介面
- 搜尋結果品質評估與參數調校 – 調整 Top-K 值、相似度閾值
- 測試並部署所建置的 RAG 系統 – 以各種問題驗證實際運作並分享成果
模組 4:Supabase・Voyage AI 實戰演練
- 建立 Supabase 專案並設定向量資料表:在實際的雲端環境中建置資料庫
- 串接 Voyage AI API 並產生 Embedding – 將範例文件轉換為向量後儲存
- 運用無程式碼工具(Make、Zapier) – 從文件上傳到向量化的自動化工作流程
- 運用 Claude Code 製作 RAG 應用程式原型 – 可實際運作的聊天介面
- 搜尋結果品質評估與參數調校 – 調整 Top-K 值、相似度閾值
- 測試並部署所建置的 RAG 系統 – 以各種問題驗證實際運作並分享成果
本課程使用的工具
預期成效 / 結業後
- 親手實作出以自家文件為基礎、能準確回答的 AI 系統
到府授課實績
韓國道路公社Nanum 經營顧問BioprotechKMAGangsaroBraco Imaging Korea等
相關課程
推薦線上課程
先從線上課程開始學習
在導入到府授課之前,先透過線上課程體驗這個主題的核心內容。
常見問題
適合想將 AI 技術導入工作的開發人員、資料分析師與企劃人員。特別推薦給有意運用公司內部文件或知識庫建置 AI 系統的實務人員。
重點不在理論講解,而是運用 Supabase 與 Voyage AI 實際動手建置 RAG 系統。從串接公司文件的系統架構到實戰實作,4 小時內即可完成,是以實務為核心的課程規劃。
可以。金鍾赫講師以系統化的課程規劃,從 RAG 概念到 Supabase・Voyage AI 實作,循序漸進地帶領學員。課程結束後,即可建置出能直接應用於公司業務的 RAG 系統。
金鍾赫講師曾為多家企業進行 AI・資料領域的培訓,是這方面的專家。尤其在 RAG 系統建置方面,以兼顧理論與實務、重視實戰的授課方式,獲得很高的滿意度。

打造以自家資料回答的 AI — RAG 入門
這是一門 4 小時的密集實務課程,運用 RAG(Retrieval-Augmented Generation)技術,親手建置能串接公司業務資料的客製化 AI 系統
課程目標
- 了解 RAG 技術,並具備建置串接業務資料之 AI 的能力
預期成效
- 親手實作出以自家文件為基礎、能準確回答的 AI 系統
課程規劃
Module 1模組 1:了解 RAG 的概念與必要性
- 生成式 AI 的幻覺問題 – 分析產生無根據回答的原因並學習案例
- RAG(Retrieval-Augmented Generation)定義 – 了解文件檢索與生成相結合的方式
- 傳統 AI 方式與 RAG 方式比較 – 分析準確度、可靠性與企業應用性的差異
- 導入 RAG 的商業價值 – 保護企業機密、反映最新資訊、成本效益
- 幻覺問題的解決機制:分析以實際資料為依據生成回答的流程
- RAG 架構整體流程 – 逐步了解 Embedding、向量儲存庫、檢索與生成階段
Module 2模組 2:串接公司文件的 RAG 系統架構
- Supabase 向量資料庫結構 – 文件儲存、向量化與檢索功能的運作原理
- Voyage AI Embedding 模型的角色 – 實作將文字轉換為高維向量的流程
- 文件前處理與切塊(Chunking)策略:學習將長文件切分為最適當大小的方法
- 語意搜尋(Semantic Search)機制 – 以語意而非關鍵字尋找文件
- 向量相似度計算與排序 – 了解判斷檢索文件相關性的標準
- 與 Claude AI 的連接架構 – 將檢索結果整合進提示詞,產生最終回答
Module 3模組 3:Supabase・Voyage AI 實戰實作
- 建立 Supabase 專案並設定向量資料表:在實際的雲端環境中建置資料庫
- 串接 Voyage AI API 並產生 Embedding – 將範例文件轉換為向量後儲存
- 運用無程式碼工具(Make、Zapier) – 從文件上傳到向量化的自動化工作流程
- 運用 Claude Code 製作 RAG 應用程式原型 – 可實際運作的聊天介面
- 搜尋結果品質評估與參數調校 – 調整 Top-K 值、相似度閾值
- 測試並部署所建置的 RAG 系統 – 以各種問題驗證實際運作並分享成果
Module 4模組 4:Supabase・Voyage AI 實戰演練
- 建立 Supabase 專案並設定向量資料表:在實際的雲端環境中建置資料庫
- 串接 Voyage AI API 並產生 Embedding – 將範例文件轉換為向量後儲存
- 運用無程式碼工具(Make、Zapier) – 從文件上傳到向量化的自動化工作流程
- 運用 Claude Code 製作 RAG 應用程式原型 – 可實際運作的聊天介面
- 搜尋結果品質評估與參數調校 – 調整 Top-K 值、相似度閾值
- 測試並部署所建置的 RAG 系統 – 以各種問題驗證實際運作並分享成果
講師介紹

金鍾赫 首席講師
實務經歷 10 年 / 授課經歷 15 年(3,000 多場授課)
學歷
ㆍ高麗大學經營專業研究所 MBA(畢業)經營學碩士(主修:行銷)
ㆍ成均館大學 顧問課程(結業)
ㆍ西江大學經營專業研究所 短期 MBA(結業)
ㆍ首爾大學終身教育 講師培育課程(結業)
ㆍ中央大學 英語英文學系(畢業)文學學士
經歷
ㆍ現任 Nanum 經營顧問(NANUM Consulting)執行長
ㆍ曾任 Hyosung、Daeduck Electronics、Shinhan Diamond 海外派駐人員、策略企劃負責人(10 年以上)
ㆍ現任 Expert Consulting 合作講師
ㆍ(現)PSI 顧問公司合作講師
ㆍ(現任)韓國中小企業廳、中小企業研修院合作講師
證照・著作
ㆍ持有顧問資格證
ㆍ持有教師資格證
ㆍ完成 IDEO 設計思考官方培訓
ㆍB2B 行銷規劃(2025年4月1日)
ㆍ《中國鑽石工具市場現況與未來》(與韓國工具協會合著)
ㆍ《改變歷史的戰役與創新武器》(撰寫中)

