AI 的「幻覺」問題
通用 AI 聊天機器人最大的問題是幻覺（hallucination）：它會用非常自信的語氣編造答案。對電商來說這是災難——AI 答錯退貨政策、編造不存在的優惠，顧客拿著截圖來要求兌現，糾紛就來了。
RAG：先檢索，再回答
RAG（Retrieval-Augmented Generation，檢索增強生成）的思路很簡單：
- 建立知識庫：爬取你的網站頁面、FAQ、商品說明，切成小段並轉成向量索引。
- 檢索：顧客提問時，系統先找出知識庫中最相關的幾段內容。
- 受限生成：AI 只根據檢索到的內容回答，並註明依據。
效果：AI 從「什麼都敢說」變成「只依據你的資料說話」。知識庫裡沒有的，它會承認不知道並建議轉真人。
導入 RAG 的三個要點
- 內容品質決定回答品質：知識庫裡的資訊要準確、最新。政策改了，記得更新。
- 覆蓋面要夠：顧客常問的運費、尺寸、保固等主題都要有對應內容。
- 設定信心門檻：檢索相似度低於門檻時主動轉真人，而不是硬答。
我們的做法
系統內建 RAG 知識庫：貼上網址自動爬取、手動新增 FAQ、上傳文件三種方式並用；回答前先檢索，低信心自動建議轉人工。免費版即可體驗完整流程。