企業知識庫客服機器人流（RAG）

🎯 這條流程解決什麼（具體痛點＋現在純人工做要花多少時間與成本）

任何有在賣東西、做服務的公司，客服都會被同一批問題反覆轟炸：運費怎麼算、可以退貨嗎、保固多久、營業時間、訂單到哪了。這些問題八九成都是重複的，答案明明就寫在官網或 FAQ 裡，但顧客懶得找、也找不到，於是一通通打進來、一則則訊息丟進 LINE。客服人員一天的工時，很大一塊就耗在這種「答案早就存在、卻得一再手動複製貼上」的重複勞動上。

更現實的成本有三層。第一是人力：一位客服每天可能要回上百則重複訊息，尖峰時段回不完，顧客等到不耐煩。第二是時段：半夜、假日沒有客服，顧客的問題只能晾著，電商的下單猶豫期就這樣流失成跳出率。第三是品質不一：不同客服、同一個人不同心情下，回答的口徑可能不一致，甚至給錯資訊。有公司想用一般 AI 聊天機器人解決，卻踩到更大的雷——AI 會「一本正經地胡說八道」，把不存在的退貨政策、編造的折扣講得煞有其事，反而惹出客訴與糾紛。這條流程要解決的，正是「如何讓 AI 幫你 24 小時回覆重複問題，又絕對不亂編」這個核心難題。

導入後的改變（導入前 vs 導入後對比）

導入前，重複問題塞滿客服信箱與 LINE，人力被綁在複製貼上，非上班時段的詢問無人即時回應，回答口徑還因人而異；若貿然用一般 AI，又得擔心它幻覺亂答闖禍。導入後，顧客的問題先由只根據你真實文件回答的 RAG 機器人接手，常見問題即時自動解決，附上出處讓顧客信服，答不出或涉敏感的才轉真人並建立工單。

效益上，重複性問題的自動處理率在資料整理得當的情況下，常見可達到約六到八成，等於把客服人力從重複勞動中釋放出來，讓他們專注處理真正需要判斷的複雜案件。回應從「上班時段才有」變成「全天候即時」，半夜與假日的詢問也能立刻得到答案，對電商而言這直接挽回了原本會流失的下單；回答口徑因為都來自同一份知識庫而完全一致，不再有給錯資訊的風險。對中小企業來說，這意味著用同樣的人力服務更多顧客、提升轉換與滿意度，而最關鍵的是——因為設了「沒依據就說不知道並轉真人」的底線，AI 不會亂編，可信度遠勝一般聊天機器人。

流程怎麼運作（逐步驟說明，呼應 nodes 節點）

第一步「建知識庫」：把 FAQ、產品說明、退換貨政策、保固條款等文件匯入，切分成適當大小的段落並轉成向量、建立索引（這就是 RAG 的核心）。資料的完整與正確是整套流程的地基，garbage in 必然 garbage out。

第二步「觸發：顧客提問」：當網站聊天視窗或 Line Webhook 收到顧客訊息時，流程啟動。

第三步「檢索相關資料」：系統把顧客問題轉成向量，到知識庫中找出語意最相關的幾個段落，作為回答的依據來源。

第四步「依資料作答」：AI 回答節點只根據檢索到的段落生成答覆，並附上出處，明確被約束為「不臆測、不延伸、找不到依據就不硬答」。這是降低幻覺的關鍵設計。

第五步「答不出轉真人」：當檢索不到足夠依據、AI 信心不足、或問題涉及退費爭議、客訴、法律等敏感領域時，自動轉接真人客服並建立工單，確保不漏接、有追蹤。

需要的工具與串接重點

platform 用 n8n 或 Make 當編排引擎，串接前端管道、向量資料庫與 AI 節點，並處理轉真人的分流邏輯。文件／FAQ 來源是知識庫的原料，建議集中維護並建立更新機制，文件一改、索引就跟著重建，避免機器人拿舊資料回答。向量資料庫負責語意檢索，切塊大小與檢索筆數要實測調校，太大會稀釋重點、太小會斷章取義。AI 回答節點的提示詞是成敗關鍵，務必明確指示「只能根據提供的段落作答、附出處、無依據就回覆不知道並觸發轉真人」。真人轉接要接到實際有人看的工單或客服系統，否則「轉真人」會變成黑洞。串接重點還包括前端管道（網站 widget、Line）的 webhook 設定，以及保留完整對話與來源紀錄，方便日後檢視機器人答得對不對、持續優化知識庫。

常見錯誤與注意事項

最常見的錯誤是「知識庫沒整理好就上線」——文件殘缺、過期、自相矛盾，機器人自然答得零零落落。第二是「提示詞沒鎖住」，沒有強制 AI 只依檢索內容作答，幻覺就會回來。第三是「轉真人沒接住」，工單沒人處理等於沒設防線。安全與合規上要特別小心：涉及金流退費、合約條款、個資查詢、醫療或健康建議等敏感問題，AI 不應自行裁定，務必標明「需人工確認」並轉真人，AI 不取代專業判斷；機器人回答的政策性內容（如退貨、保固）一旦有歧義，最終仍以公司正式條款與人工答覆為準。同時要避免讓機器人接觸或洩漏顧客個資，檢索範圍應僅限可公開的政策與產品資訊。定期抽查對話、回收答錯案例補進知識庫，是維持品質的必要功課。

台灣中小企業情境案例

一家經營保健食品的台灣電商，客服每天被「運費多少、可以退嗎、孕婦能吃嗎」這類問題淹沒，兩位客服尖峰時段回不完，半夜的詢問更是隔天才回，常常錯失下單時機。導入這條 RAG 客服機器人後，他們把運費、退換貨、產品成分等可公開資訊整理進知識庫，並嚴格設定「涉及個人健康狀況或療效問題一律轉真人、不由 AI 回答」。上線後，運費與退貨等常見問題約七成由機器人即時且全天候解決，客服人力得以集中處理客訴與訂單異常；而牽涉「孕婦、慢性病能不能吃」這類問題則一律轉給真人並提醒諮詢專業意見，既守住合規底線，也避免了 AI 亂給健康建議的風險。整體客服回應速度與顧客滿意度都明顯提升。

延伸應用

這條流程可延伸出「訂單狀態查詢」：串接訂單系統，讓機器人在驗證身分後回報物流進度，把最高頻的「我的貨到哪了」也自動化。也能擴充成「內部知識助理」，把員工手冊、SOP 餵進知識庫，讓同仁自助查詢公司規定。多語版本則可服務跨境顧客。若與 /workflows 中的工單分流、客訴處理流程串接，可形成從自動回覆到人工跟進的完整客服體系；更多 RAG 與檢索問答的設計範例見 /recipes，而要把知識庫更新、索引重建與機器人部署標準化、讓不同產品線或品牌快速複製同一套客服機器人，可從 /automation 著手打包成可重複套用的範本。

流程圖

用到的工具

其他工作流

瀏覽全部工作流藍圖 → 自動化工作流中心 → AI Skills 食譜庫 →