Ducky

Ducky 是什麼

Ducky 是 Lyco.AI, Inc. 所提供的全托管式檢索基礎設施，它能協助開發者為 RAG 應用程式及 AI 智能體建立索引、搜尋文件，並回傳可供模型使用的上下文資料。如此一來，團隊便不必自行部署向量資料庫、管理各種管道、處理混合檢索功能或重新排列資料。

本條目介紹的是專為開發者設計的 Ducky AI 搜尋平台，而非 Duckie 客服智能體、同名的命令列工具或其他搜尋專案。Ducky 提供網頁控制台、網路 API，以及 Python 與 TypeScript SDK。

主要功能概覽

Project、Index 與 Document

Project是最高層級的資源與權限範圍，一個Project可以包含多個Index，而API金鑰也與Project相關聯。Index則是一組相關文件的集合，進行搜尋時必須指定目標Index。

• 用不同 Project 隔離環境、客戶或應用。
• 用不同 Index 隔離商品、說明文件、工單或法規資料。
• 每個 Document 都屬於一個 Index，並可使用自訂的文件編號。
• 正文是主要檢索內容，標題和原始地址可作為輔助欄位。
• 元數據保存類別、版本、權限、作者、評分和時間等結構化屬性。
• API 密鑰應只授予需要存取對應 Project 的服務。

Index 的設計比傳統搜尋引擎的配置更簡化，不需要使用者預先定義複雜的對應關係。雖然配置較為簡單，但團隊仍需自行設計資料邊界、權限欄位、文件版本以及同步策略。

文本與文件索引

開發者可以直接提交文字，也可以上傳 PDF 和 UTF-8 文本檔案。目前規定，單個檔案的大小最多為 60MB，平台會提取檔案內容後進行切分、向量化及建立索引。

• 正文 content 是文本索引的必需字段。
• title、原始地址、source document id 和 metadata 為可選欄位。
• 元數據值支援字串、數字和布林類型。
• 批量索引單次最多提交 100 個文件。
• 異步 SDK 方法適合並行上傳，但仍應控制用戶端併發。
• upsert 使用同一文件編號來建立或更新內容。
• 刪除上游內容時，應同步調用刪除介面並驗證索引結果。

在上傳 PDF 之前，應先確認掃描檔中是否包含可提取的文字，並隨機檢查表格、頁眉以及跨頁段落。即便是格式複雜的文件，即便能夠成功建立索引，也有可能出現順序錯誤，或是某些段落缺乏上下文資訊的情況。

多模態圖片索引

Ducky的多模態索引功能能將圖片與文字結合，形成可搜尋的文件，同時還能自動提取視覺資訊。目前支援的格式有JPEG、PNG、GIF和WebP，而圖片則可以透過可訪問的網址或Base64格式來提交。

• 適合搜尋商品外觀、圖表、截圖、設計素材和圖文知識庫。
• 自然語言查詢可以匹配圖片視覺內容和配套文字。
• 圖片地址抓取目前有 10 秒超時限制。
• 使用 Base64 會增加請求體大小和傳輸成本。
• 圖片中的細小文字、複雜圖表和低清晰度內容可能識別不完整。
• 上傳前應移除人臉、證件、密鑰、客戶資料等不必要敏感資訊。

舊版資料載入文件仍寫明目前僅支援文字，而較新的多模態文件與產品頁面則已明確提供圖片功能。這反映出文件更新並不同步，實際使用時應以目前的 API 說明及帳戶功能為準。

檢索流程與搜尋類型

Ducky會將文件切分成較小的內容區塊，並產生其語義表徵，再將這些區塊及元資料寫入索引中。在進行查詢時，可以透過關鍵字、語義或兩者結合的方式來搜尋，最後還可以對結果進行重新排序。

alpha參數用於平衡關鍵字與語義信號，top_k則用來控制返回的數量，目前文件中規定的範圍為1至100。團隊應使用真實的問題集來評估召回率、頂部準確率、延遲以及每次查詢的成本。

檢索結果如何使用

Retrieve 可同時返回按文件聚合的結果與單獨的內容塊，結果包含正文、元資料與相關性分數。應用程式可以選擇最相關的分塊加入大型模型的提示中，也可以向使用者顯示對應的文件。

• 文件結果便於展示完整記錄和原始資料。
• 分塊結果便於控制發送給大模型的上下文長度。
• 相關性分數適合排序和調試，不應當作事實正確率。
• 元數據可用於繼續做權限、渠道和版本判斷。
• 原始文件編號便於回到業務系統核驗和更新。
• 生成回答時應保留被使用文件和分塊的審計記錄。

Ask 接口

Ask 接口將搜尋與答案整合封裝在單一請求中，用戶提交問題後，內部智慧體可進行擴展搜尋、跨文件推理並產生直接回答。回應會包含置信度與相關文件，適合快速建立問答入口。

置信度並非法律、醫療或業務事實的保證，相關文件也可能過期、存在衝突或權限不當。高風險應用應保留原文檢查、閾值設定、拒絕回應機制、人工審批以及可追蹤的引用資料。

完整接入教學

1. 註冊帳戶並建立 Project，明確開發、測試和生產環境的邊界。
2. 在 Project 中建立 Index，並根據資料用途與存取權限來規劃命名。
3. 創建專用 API 金鑰，保存到伺服器端金鑰管理系統。
4. 安裝 Python 或 TypeScript SDK，或選擇直接呼叫網路介面。
5. 準備少量代表性文本、PDF 和元數據，先驗證抽取與分塊品質。
6. 提交索引任務並保存文件編號，檢查列表和單文件讀取結果。
7. 使用關鍵字、語義與混合檢索測試真實用戶問題。
8. 調整 alpha、top_k、過濾條件和是否重排，並建立離線評測集。
9. 將檢索結果或 Ask 回答接入應用，同時實現權限與事實核驗。
10. 監控索引和檢索 token、失敗請求、延遲、空結果與超額費用。
11. 建立更新和刪除同步任務，定期輪換金鑰並復查資料保存安排。

Python、TypeScript 與直接 API

Python 套件的目前版本為 0.12.0，TypeScript 套件的目前版本則為 1.4.1。這些版本會持續更新，因此在實際運作環境中，應固定所使用的套件版本、留意變更記錄，並在升級之前執行回歸測試。

API 密鑰安全

• 不要把密鑰寫入瀏覽器前端、行動應用程式套件或公開倉庫。
• 按 Project 和環境分別創建密鑰，避免跨客戶共用。
• 在自有後端增加身份驗證、請求限額和審計日誌。
• 不要把用戶傳入的 Index 名稱直接用於越權查詢。
• 密鑰洩露時立即撤銷，並檢查索引、檢索和費用異常。
• 在日誌中遮蓋密鑰、客戶正文和敏感元數據。

價格與用量

索引和檢索使用不同的 token 額度與超額單價，不能只按文件數量或查詢數量來估算成本。文件長度、分塊方式、返回的上下文內容、重新排序以及重複更新等因素，都會影響實際的用量。

公開頁面並未明確說明試用版是否會按月更新、Launch服務是否會自動續費、未使用的額度是否可以結轉、稅費問題、失敗的請求處理方式，以及退款和取消的規則。在進行正式採購之前，應在結算頁面或書面合約中確認這些事項。

成本控制建議

• 先對文件去重、清理模板頁眉及無檢索價值的重複內容。
• 使用文件編號 upsert，避免把每次小更新都當成新文件。
• 為查詢設定合理的 top_k，不要預設取滿 100 條。
• 只在需要提升排序品質時啟用重排。
• 用元數據過濾縮小搜尋範圍並減少無關上下文。
• 緩存允許重複使用檢索結果，同時設定內容更新失效機制。
• 分別監控索引和檢索 token，設定月度預算與超額告警。

GitHub、SDK 與開源狀態

cookbook 已公開且持續更新，可用於學習法律文件問答、Slack 搜尋等整合方式，但在沒有許可證的情況下，無法自動獲得複製、修改及商業散發的權利。SDK 可下載安裝，但這並不代表該平台或套件採用開放許可。

隱私、安全與資料保存

隱私政策說明會中，會處理姓名、電子郵件、電話號碼、地址、IP位址、瀏覽器資訊、裝置資訊，以及使用與診斷相關的數據。同時，也會使用 Cookie、像素及類似技術。這些個人資訊可用於建立帳戶、履行合約、進行溝通、分析數據、改善服務品質，以及用於行銷之目的。

• 個人資訊可能與服務商、關聯方、業務夥伴和交易承攬方共享。
• 數據可能在公司及處理方所在地區處理，保護法律可能與用戶所在地不同。
• 個人資料會根據業務目的、爭議處理及法律義務所要求的期限來保存，並無統一的公開時限。
• 用戶可在帳戶中更新部分資訊，也可申請訪問、更正或刪除。
• 公司承諾採取商業上合理的保護措施，但不保證絕對安全。
• 服務不面向 13 歲以下兒童。

條款規定，Ducky僅會連接用戶主動提供的資料，並採取合理措施來保護資料的機密性。目前，尚未公開有關資料儲存的位置、索引刪除的時間限制、備份策略、DPA、SOC 2、ISO 27001等相關規定，或是用戶的內容是否會被用於訓練模型的完整說明。

企業數據建議

• 不要在未簽署資料處理協議前索引敏感個人資訊或客戶機密。
• 向服務方確認數據駐留、子處理商、訓練用途和刪除證明。
• 用元數據實施租戶與權限過濾，但在應用後端再次強制鑒權。
• 為測試環境使用脫敏或合成數據，不複製完整生產知識庫。
• 保留上游原始數據與索引清單，避免把託管索引當作唯一備份。
• 合約結束前導出必要映射，並驗證文件、分塊和備份刪除流程。

準確性、版權與商用邊界

Ducky負責搜尋並根據索引來產生答案，但使用者仍需對結果進行審核。搜尋分數、結果的排序方式以及Ask的置信度，都無法證明該答案是正確、完整且適合用於高風險決策的。

• 僅索引團隊有權處理及向外部服務傳輸的文件。
• 為客戶內容、員工資料及受許可的資料庫確認合約權限。
• 搜尋應用要在檢索前後同時實施訪問控制。
• 面向用戶展示答案時提供原文定位和更新時間。
• 為衝突文件、無結果和低置信度建立拒答與人工複核。
• 條款未完整說明客戶數據和生成輸出權利，企業應書面確認。
• 平台自身不得在未獲書面同意時複製、修改或分發。

適合用戶與場景

• SaaS開發團隊：為產品加入說明中心及應用內搜尋功能。
• 智能體開發者：為工具調用和回答提供相關上下文。
• 電商團隊：依自然語言、圖片和元數據搜尋商品。
• 企業知識團隊：搜尋手冊、政策、會議記錄及內部報告。
• 法務與合規團隊：構建帶原文核驗的條款問答原型。
• 客服產品：檢索工單、產品文件及解決方案知識。
• 數據團隊：快速驗證關鍵字、語義、混合和重排策略。

優勢與主要限制

主要優勢

• 託管索引、分塊、語意搜尋和重排，減少自建基礎設施。
• 同時提供關鍵字、語義、混合搜尋和複雜元資料過濾。
• 支援文字、PDF、純文字檔案以及多模態圖片。
• Python、TypeScript 與直接 API 覆蓋常見接入方式。
• Ask 接口能直接返回答案、置信度和關聯文件。
• 免費額度允許先用真實小數據集驗證品質。

主要限制

• 索引和檢索採用不同 token 計費，成本需分別監控。
• 混合權重、分塊、元資料和權限仍需要團隊設計與評測。
• Ask 生成的答案可能不準確，不能替代原文與專業審核。
• 部分舊文件與新多模態頁面的支援範圍不同步。
• 數據駐留、認證、訓練用途及刪除細節的公開資訊不足。
• 平台閉源，公開 cookbook 和 SDK 目前沒有檢測到許可證聲明。

總結

Ducky 適合那些希望快速為 AI 產品接入託管文件索引、混合檢索、重排及問答介面，且不願自行維護搜尋集群的開發團隊。在上線之前，應特別檢驗真實資料品質、權限隔離、兩種類型的 token 所產生的成本、隱私合約、資料刪除流程，以及未取得許可時可使用範圍的範例代碼。

常見問題

Ducky 是什麼類型的工具？

它是一種全托管式的 RAG 檢索基礎設施，可提供文件索引、關鍵字與語意搜尋、內容重排以及即時問答功能，主要透過 API 和 SDK 來與應用程式相連接。

Ducky 可以免費使用嗎？

可以試用，Trial 目前包含 10 萬個索引 token 和 10 萬個檢索 token。公開頁面並未說明這些額度是否會定期刷新。

Launch 套餐多少錢？

目前為每月 290 美元，包含每月 300 萬個索引 token 和 300 萬個檢索 token，以及 Slack 專屬支援。

超額用量如何收費？

索引超額為每 1K token 0.014 美元，檢索超額為每 1K token 0.079 美元。應分別設定監控和預算。

支援 PDF 和圖片嗎？

支援 PDF、文字檔案以及多模態圖片。圖片格式包括 JPEG、PNG、GIF 和 WebP，檔案與圖片的大小限制請參考現行介面說明。

支持哪些檢索方式？

支援關鍵字、語意及混合檢索，可用 alpha 調整權重，並支援元資料過濾與可選重排。

Ask 接口與普通檢索有什麼區別？

普通檢索會返回文件與分塊，Ask則會繼續綜合答案並返回置信度與相關文件。兩者皆需自行進行權限與事實審核。

有 Python 和 TypeScript SDK 嗎？

有，Python 的套件名稱為 duckyai，TypeScript 的套件名稱則為 duckyai-ts。也可以透過標準的網路請求來直接呼叫 API。

ducky-cookbook 是開源的嗎？

倉庫資料可公開閱讀，但目前未檢測到許可證檔案或 SPDX 標識。公開並不等同於獲得修改、商用及再分發的授權。

Ducky 平台開源嗎？

不開源，條款將平台、算法及相關技術列為公司知識產權。SDK 和範例倉庫公開也不改變平台的閉源屬性。