企業知識庫與 AI Agent
Google Gemini File Search：中小企業導入知識庫前要知道的成本與限制
Google Gemini File Search 把文件匯入、切段、索引與檢索整合成受管理的服務，能降低自建 RAG 的工程門檻。但它仍是 API 服務，不是把文件上傳後就自動完成權限、品質與前端體驗的成品。
它實際處理什麼
依 Gemini API File Search 官方文件，File Search 會匯入、切分並索引支援的資料，再依提示檢索相關內容，作為模型生成回答時的上下文。開發者仍需建立 File Search store、上傳資料、呼叫模型並處理結果。
成本不能簡化成「沒查詢就完全免費」
官方文件目前說明：檔案儲存與查詢時的 embedding 生成免費；首次建立索引的 embedding 會計費，模型的輸入與輸出 token 也按一般 Gemini 價格計費。價格與免費額度可能調整，上線前應再查 Gemini API 計費文件。
因此，十年文件全部匯入仍可能產生初次索引成本；大量或反覆查詢也會產生模型 token 費用。應以實際文件量、平均提問長度與使用人數做壓力測試。
引用資訊不等於自動完成可點擊介面
模型回應可包含檢索與來源相關資訊，但應用程式仍要把檔名、段落或連結安全地呈現給使用者。不同檔案格式未必都有穩定頁碼，來源也可能互相矛盾；重要回答應提供原文入口並要求人工確認。
中小企業導入前的四項檢查
- 先定義誰能查哪些文件，避免把機密資料混進同一知識庫。
- 建立版本與刪除流程，避免舊 SOP 持續被引用。
- 用真實問題建立測試集，檢查答對率、漏答與錯誤引用。
- 設定費用與使用量監控，並保留資料匯出與替代方案。
File Search 能縮短基礎建置時間，但知識庫是否可靠，仍取決於資料治理、權限、測試與人工覆核。