AI 客服能只根據你的資料回答嗎？可以，今天就能試

可以，而且今天就能試。把常見問題與標準答案、價格表、退換貨規定這幾份文件，放進 ChatGPT 的專案（Projects）或自訂 GPT、Claude 的專案，或 Gemini 的 Gem，再寫一段指示：「只根據這些文件回答，註明根據哪一份，找不到就說要請專人確認」。之後同事把客人的問題貼進去，就能拿到一則照你的文件寫的回覆草稿，看過再回給客人。

很多公司的客服靠資深同事的經驗和幾份規定文件，回得準又親切。想讓 AI 幫忙時，大家最先問的是「AI 會不會亂講？」這很合理：AI 很會把話說得通順，但不知道你的退貨規定、最新價格或這週的出貨時程，問它不知道的事，它可能編出聽起來合理的答案，這就是幻覺（hallucination）。讓 AI 先查你的資料、再根據找到的內容回答，就是 **RAG（Retrieval-Augmented Generation，檢索增強生成）**的基本想法。這篇先給可以直接複製的問法，再說要檢查什麼、文件怎麼整理，最後談想讓客人直接問時的下一步。

直接問 AI：3 句可以複製的問法

複製下面的句子，把公司、商品、規定換成你的就好（範例都是示意）。

設定專案的指示（貼在專案、GPT 或 Gem 的指示欄）

你是〔公司名稱〕的客服助理，負責幫同事擬回覆。只根據附上的文件回答：常見問題、價格表、退換貨規定。每個回答都註明根據哪一份文件、哪一段。文件裡找不到答案，或問題涉及退款金額、合約、醫療或法律，就回覆「這個問題我需要請專人確認，方便留下聯絡方式嗎？」，不要自己推測。語氣親切、簡短，適合在 LINE 上回覆。

擬一則回覆

客人問：「上週買的洋甘菊舒緩乳開過了，還可以退嗎？運費誰出？」請照文件擬一則回覆，並註明根據哪一段。文件沒寫到開封後能不能退，就照指示請專人確認。

用測試題檢查

附件是 20 個客人真實問過的問題和正確答案。請逐題只用專案裡的文件回答，再和正確答案比對，列出答錯、答不完整或找不到依據的題目，並說明可能是哪份文件缺漏或寫得不清楚。結果請用表格列出。

AI 擬完回覆，檢查這 3 件事

1. 來源真的這樣寫：打開它說的那份文件、那一段，確認真的寫著這件事。說不出來源的回答，不要直接用。
2. 沒有引用舊版：同一件事有兩份文件時，它可能引用舊的。專案裡只放最新版，規定一改就換掉檔案。
3. 該轉人的有轉：退款金額、合約、客訴，有沒有改用標準說法、交給專人。

專案裡只放可以公開給客人的資訊；客人的問題貼上前，先刪掉姓名、電話與訂單編號，或用公司的企業方案。

想更省事：讓你的文件和 AI 配合

1. 列出常見問題與標準答案

從過去的 LINE、Email 與電話紀錄，挑出最常被問的 10–20 個問題，在 Excel 或 Google 試算表列成幾欄：問題、標準答案、根據的文件、最後更新日期、負責人。放進專案，最常見的問題就有現成的答案可以引用。

2. 每件事只留一個版本

同一份價格表或退換貨規定有好幾版時，人和 AI 都很難判斷哪一份才對。舊版移到「封存」資料夾，每份文件最上面寫「最後更新：日期」，之後只改這一份。

3. 依標題分段，用客人的說法寫

用 Word 或 Google 文件的標題樣式分段，例如「退貨期限」「退貨運費」「哪些商品不能退」，一段講一件事，少用「如上所述」。客人問「可以退貨嗎」，文件寫的是「RMA 流程」，就不容易對上，要補上客人常用的說法。價格、規格如果放在表格或圖片裡，重點也寫成文字。

4. 準備一份測試題庫

從客服紀錄挑出 50–100 個真實問題，寫下正確答案與根據的文件。現在可以拿來帶新進同事，也能用上面第 3 句問法檢查 AI；之後導入正式的 AI 客服，就用它逐題驗收。

RAG 怎麼運作？

專案適合先試、由同事使用。要讓官網或 LINE 的客人直接問，文件也越來越多時，通常會用 RAG。它分成兩個階段：

事先準備：把文件依標題與段落切成一段一段（例如每段幾百字），每段講一件完整的事，再用「嵌入模型（embedding）」把每一段轉成代表語意的向量，存進向量資料庫。

有人提問時：

1. 檢索：找出和問題語意最接近的幾個段落，實務上常搭配關鍵字搜尋，型號、料號這類精確字詞才不會漏掉。
2. 組合：把找到的段落和問題一起交給語言模型，並明確要求「只能根據以下資料回答，找不到就說不知道」。
3. 回答並附上來源：AI 產生回答，並標出引用了哪幾份文件。

什麼時候可以考慮下一步

專案加上整理好的文件可以用很久。遇到下面這些情況，就可以考慮下一步：

• 同事每天都在把客人的問題複製給 AI，再把回覆貼回 LINE 或信箱。
• 希望官網或 LINE 的客人直接問，就得到附上來源的回答，下班後也一樣。
• 文件常常更新，希望 AI 查到的永遠是最新版，不用每次換檔案。
• 需要每一則對話和它參考的資料都留下紀錄，答錯時查得到原因。

下一步：讓 AI 客服接上你的文件，先查再答

文件留在原本的地方，更新後重新建立索引，AI 查到的就是最新版；客人在官網或 LINE 提問，AI 先查資料再回答，每一則對話都保留在後台。

查不到就交給真人

值得信任的 AI 客服，必須知道自己不知道。我們一定會加上這幾條規則，大部分就來自前面寫好的指示：

1. 找不到相關資料就不回答細節：改用標準說法，請客人留下聯絡方式或轉給真人。
2. 涉及金額、合約、醫療法律等高風險問題，一律轉真人。
3. 每個回答附上來源：客人可以點開看原文，客服人員也能快速核對。
4. 帶客人到對的頁面：附上「退換貨說明」頁面的連結，讓客人自己看完整規定。

導入怎麼進行、上線後看什麼

1. 第 1 週：整理資料。前面的整理做過，這一步會快很多。
2. 第 2 週：建立索引與測試題庫。直接用前面準備的題庫。
3. 第 3 週：調整與驗收。逐題檢查回答是否正確、來源對不對、查不到時有沒有正確轉接。
4. 上線後每週：看紀錄補資料。答不出來的問題，補一篇文件或一則 FAQ；轉真人的比例，用來找出可以標準化的問題。改完再跑一次測試題庫，確認其他回答沒有受影響。

建議先在官網試營運，後台保留所有對話；穩定之後，再接上其他通路，例如 LINE 官方帳號的客服。

RAG 不是什麼神祕的技術，它的本質是「先查資料再回答」，和一位負責任的新進客服一樣。想知道你的資料適合從哪裡開始，可以先做一次免費的 AI 健檢，或看看我們的 AI 導入服務與官網設計與開發，也歡迎直接和我們聊聊。