一家會計師事務所希望透過 Low-Code 工具，自動處理客戶提交的各類費用報銷單據，格式涵蓋手寫、PDF 掃描、電子發票等多種形式，且各企業的科目分類規則均不相同。負責評估的專案經理正在比較兩種方案：方案甲為「直接呼叫基礎語言模型 API 進行單據內容解析與分類」，方案乙為「使用內建 RAG 元件，比對過去已正確分類的報銷單據」。下列分析何者最為正確？
答案 （B）
核心概念
當任務需要的是「企業或場域特有的知識」而非通用常識時，RAG 通常優於單純呼叫基礎模型。本題的關鍵條件是「各企業的科目分類規則均不相同」——這些規則不會出現在任何預訓練語料中，模型再聰明也猜不到。把過去已正確分類的單據建成知識庫供檢索比對，等於把企業自己的分類邏輯當作上下文餵給模型。
答題技巧
快速判斷技巧：題幹只要強調「各企業規則不同」「格式多樣」這類客製化與非結構化情境，優先選需要「額外提供上下文資料」的方案，也就是 RAG。
易錯陷阱：(D) 看起來很務實（固定規則、降低複雜度），是常見誘答。但在輸入格式多樣、規則因客戶而異的情境下，規則式方法根本無法維護——規則的數量會隨客戶數與格式數相乘成長。