AI 問答與 RAG 應用

轉接不是把整份對話丟給客服，而是讓合適的人知道客戶要完成什麼、哪些資訊已確認，以及還缺哪一個判斷。使用者也應知道目前是排隊、已接單還是需要補資料，不必從頭再說一次。

語句相似的兩份文件，可能分別適用不同硬體與韌體。可靠的檢索不能只比文字接近程度，還要知道使用者問的是哪個產品狀態，以及資料不足時是否應先詢問，而非默認最新版本一定適用。

回答附了連結，還需要確認連結指向的版本是否正確、原段落是否支持那句話，以及必要條件有沒有一起呈現。引用可讓審查更容易追溯，但它本身不是答案正確的保證。

掃描文件能被轉成文字，只代表取得了候選內容。進入知識庫前，還需確認數值、正負號、單位、表格關聯、註腳與頁序是否保留；會改變產品判斷的錯誤，不能只用整份文件的平均辨識品質帶過。

聊天機器人應在缺少必要條件時補問，在來源不足、矛盾或超出範圍時停止作出確定結論。好的拒答會交代已知、未知與接手方式；它不是一句「請聯絡客服」，也不是在推測答案後面加上免責文字。

RAG 驗收題組應同時包含問題、核准來源、必要條件、預期行為與失敗判準。只問幾個容易回答的 FAQ，再憑語氣流暢度打分，無法確認系統在版本矛盾、資料不足或不適用情境下是否可靠。

RAG 文件切段的目標，是讓檢索拿到足以回答問題、又不會混入錯誤版本的證據。產品規格、條件、表格註腳與來源識別應一起被設計；單純把 PDF 每隔固定字數切開，可能留下看似完整、實際缺少前提的片段。