防水抓漏現場勘查自動建檔流

🎯 這條流程解決什麼

防水抓漏的案子，成敗往往在第一通電話就決定了一半。客戶報修時通常只會丟一句「我家天花板會滴水」，但這句話背後可能是樓上浴室防水層破了、可能是外牆裂縫滲水、也可能是冷氣排水管堵塞，成因天差地遠。師傅若沒在出門前把症狀問清楚，到了現場才發現原來要爬上五樓頂、要帶水分計、要拆天花板查管路，結果工具沒帶齊、白跑一趟，還被客戶嫌「怎麼什麼都沒準備」。

問題出在「報修訊息太零散、太不結構化」。客戶東一句西一句傳 LINE，照片拍得歪七扭八又沒說明，師傅得在一堆對話裡撈重點，常常漏看關鍵資訊。漏水成因牽涉防水層、管路、結構裂縫、毛細現象等多種可能，光靠電話三言兩語很難判斷該帶什麼工具、派誰去最合適。更麻煩的是這些報修訊息散在不同客戶的對話框，沒有統一建檔，過陣子要回頭查「這客戶之前報過什麼」根本找不到，日後保固比對也無從對起。

純人工處理報修，付出的是「在零散訊息裡反覆確認的溝通時間」加上「因準備不足而白跑、效率被嫌的隱形成本」。前置作業沒做好，現場勘查的效率與專業形象都打折。

導入後的改變

導入前：客戶報修訊息散在各對話框，師傅得自己撈重點、容易漏看；出門前憑經驗猜該帶什麼工具，常因準備不足白跑頂樓；報修資料沒統一建檔，過陣子查無紀錄；照片亂存，日後保固比對找不到。

導入後：每筆報修自動建檔，AI 先整理客戶的漏水描述與照片、標註疑似滲漏位置與緊急程度，師傅出門前就拿到一份對症的現場勘查清單，知道該帶哪些工具、重點檢查哪裡。照片自動歸到客戶專屬資料夾，日後回查或保固比對一找就有。

以一間月接四五十通報修諮詢的工程行估算，每筆報修的前置整理與溝通時間可省下一半以上，師傅因準備不足而白跑的比例明顯下降——少一次白跑就省下半天車程與工時。客戶從報修到收到「我們已收到、師傅何時到」的回覆速度變快，報修體驗與專業印象同步提升。建好的案件還能延續到後續報價與驗收環節，可一併參考 /workflows 的工程流程設計。

流程怎麼運作

對應 frontmatter 的五個節點，從報修到派工：

1. 觸發：客戶報修（📥）：客戶在官網報修表單送出，或直接在 LINE 官方帳號傳來漏水描述與照片，即觸發建檔。兩種入口都導向同一套案件流程。

2. AI 整理症狀（🧠）：AI 視覺分析節點解讀客戶的文字描述與照片，整理出「漏水位置、可能症狀、疑似滲漏點」，並依描述標出緊急程度（如持續滴水、已影響電器屬高急件），方便排序出勤優先順序。

3. 建立案件（🗂️）：把整理後的資訊寫入 Google Sheet 案件表，產生案件編號，同時把客戶照片歸檔到 Google 雲端硬碟的客戶專屬資料夾，建立可追溯的案件履歷。

4. 生勘查清單（📋）：依屋齡、屋型與 AI 研判的症狀，自動產生一份現場必檢項目與工具清單——例如疑似頂樓防水層問題就提醒帶水分計、紅外線測溫、確認排水孔，讓師傅出門前一次備齊。

5. 派工通知（🔔）：透過 LINE 官方帳號通知師傅出勤，並在通知裡明確標註「AI 研判僅供出勤前參考，實際成因以現場勘查與儀器檢測為準」，提醒師傅到場務必人工判讀。

需要的工具與串接重點

平台設定：以 n8n 或 Make 為中樞，這條難度較低（difficulty 2）、約三十分鐘可建好。官網報修表單與 LINE 官方帳號作為兩個報修入口，欄位盡量引導客戶提供地址、屋齡、漏水位置與照片。AI 視覺分析節點處理照片與文字的初步整理。Google Sheet 作為案件主表，Google 雲端硬碟以客戶為單位歸檔照片。

串接注意點：第一，兩個報修入口要匯流到同一張案件表，避免表單來的和 LINE 來的分成兩套各管各的；第二，照片歸檔的資料夾命名要用案件編號或客戶資訊，方便日後勘查、報價、驗收各環節共用同一份照片；第三，AI 的緊急程度判斷只用來排優先序，不直接回覆客戶「你這個很嚴重」或「不嚴重」，避免誤導；第四，引導客戶拍照時提示拍清楚漏水點全景與近景，AI 整理的品質取決於照片品質。

常見錯誤與注意事項

• AI 對漏水成因的研判僅供出勤前參考，實際成因須由師傅現場判定，需人工確認：最危險的錯誤是拿 AI 的初步研判直接向客戶承諾「就是防水層破了」或當場報價。實際滲漏點與成因必須由師傅現場勘查、儀器檢測後判定，抓漏專業判斷無法被自動化取代。
• 不可僅憑照片承諾原因或報價：照片看不出結構內部與管路狀況，僅憑照片下定論常常誤判，務必到場檢測後再做工法與報價建議。
• 個資與住家隱私保護：客戶地址、住家照片屬個人資料與隱私，案件表與雲端資料夾要設權限、僅相關人員可存取，不可外流或公開使用。
• 緊急案件仍須人工把關：AI 標出的高急件只是建議排序，遇到客戶描述涉及漏電、結構安全等狀況，應由人工立即評估是否優先處理或提醒客戶先做安全措施。

台灣中小企業情境案例

高雄一間以老公寓與透天抓漏為主的小型工程行，兩位師傅、靠一支 LINE 接案。過去客戶報修都是直接傳訊息，描述五花八門、照片有的清楚有的糊，師傅得在十幾個對話框裡來回翻找重點，常常出門前以為是浴室漏水，到現場才發現是頂樓防水層的問題，水分計沒帶、只能再跑一趟，半天時間就這樣耗掉，客戶也覺得不夠專業。

導入這條流程後，不論客戶從官網表單還是 LINE 報修，系統都自動建檔、由 AI 整理出漏水位置與疑似成因、產出對症的勘查清單，師傅出門前就清楚該帶哪些儀器、重點查哪裡。照片自動歸到客戶資料夾，下次同一戶再報修，調出歷史紀錄一目了然。師傅說，導入後白跑的次數明顯減少，出勤前心裡有底，到現場直接切入重點檢測，效率和客戶觀感都變好了。不過老闆也特別交代，AI 的研判只當參考，真正的成因永遠要靠師傅到場用儀器確認。

延伸應用

這條流程可以往幾個方向擴充。第一是接續報價說明：師傅現場勘查完填表，自動帶入報價產生流程，把勘查結果無縫接到報價單。第二是建立漏水症狀知識庫：累積足夠案例後，分析不同屋型、屋齡常見的漏水成因，回饋給師傅出勤前的判斷與新進人員教育訓練。第三是客戶自助回報升級：在報修表單加入引導式問答，幫客戶把症狀描述得更完整，進一步提升 AI 整理與勘查清單的精準度。

需要批次整理大量客戶照片與訊息時，可搭配 /recipes 的影像歸檔整理配方；想把勘查、報價、排程、驗收串成完整的工程自動化鏈，可參考 /workflows 的其他流程與 /automation 的整體串接設計。

流程圖

用到的工具

更多「工程裝修」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 →