https://wuulong.github.io/wuulong-notes-blog/tags/parquet/ Recent content in Parquet on 哈爸筆記 https://wuulong.github.io/wuulong-notes-blog/%3Clink%20or%20path%20of%20image%20for%20opengraph,%20twitter-cards%3E https://wuulong.github.io/wuulong-notes-blog/%3Clink%20or%20path%20of%20image%20for%20opengraph,%20twitter-cards%3E Hugo -- 0.152.2 zh-tw Wed, 05 Aug 2026 07:30:00 +0800 https://wuulong.github.io/wuulong-notes-blog/posts/20260805_building_tawan_legal_judgement_metadata_db/ Wed, 05 Aug 2026 07:30:00 +0800 https://wuulong.github.io/wuulong-notes-blog/posts/20260805_building_tawan_legal_judgement_metadata_db/ <p>面對超過 16.89 GB、數百萬行的台灣刑事裁判書原始文本，多數人的第一反應可能是直接丟進向量資料庫（Vector DB）做 RAG（檢索增強生成）。然而，法律文件的特殊之處在於其<strong>高度嚴謹的條文結構與精準的訴訟程序</strong>。如果只是盲目拆封分塊（Chunking），AI 非常容易產生幻覺，甚至連基本的人名遮蔽與法條層級都無法對齊。</p>