六篇《RAG落地手冊》講的是把一條線接起來：進料、索引、改寫、檢索、把關。但文章給的是流程，你真正缺的是判定依據。
我把這六篇的精華，總裝成了一份PDF：
管線總圖：一條線，七個位置。
症狀索引：不問你是誰，問你壞在哪。
白話對照頁：每關一頁，寫清「在做什麼、不做會怎樣、何時該看它」。
工具對照附錄：業界現行主流工具與計費方式（整理於 2026-09-16，無推薦，純座標對照）。
大方給，全部免費。
這份免費PDF，我幫你理清了四件事，這也是你每天開會、做決策需要拿來對照的座標：
一、默默更正的技術事實
切塊起手值：官方 SentenceSplitter 預設是 1024 tokens、重疊 200。先前網路上流傳的「重疊 20」是教學自訂值，硬套進中文長語料，上下文很容易切斷。
單機向量方案：sqlite-vss 已經終止開發，現在要走純 C 重寫、支援 WASM 的 sqlite-vec。
評估指標：Ragas 設計上是 reference-free（無需標準答案），Faithfulness 與 Relevancy 靠 LLM 當裁判就能評分；只有 Context Recall（檢索召回）是一定要標準答案的。
二、症狀對照 不問你的業務情境，只問你的系統現在是「檔案讀不到」、「段落接不起來」、「口語撈不到」還是「型號漏檢」，30 秒幫你對到該去修哪一關。
三、工具對照附錄 我把生成模型、嵌入模型、向量資料庫、解析器、評估框架的現行主流選項整理在一張表上（查證日：2026-09-16）。 不寫絕對「最優」，只寫「業界常用」；不寫死價格，只寫「計費口徑」（按 token、按頁數、按 trace 數）。你拿著這張表，去審團隊的提案或編預算，心裡會有個底。
四、三則封存案例 個人用途、內容創作、企業導入，三種情境各自獨立，你直接對號入座。
👇我整理在下方連結，歡迎追蹤訂閱 leon3d.studio 獲取更多AI相關消息。