賦予 AI 專業知識 的靈魂
RAG (Retrieval-Augmented Generation) 是一種將大型語言模型與即時知識庫相結合的先進架構,讓您的 AI 不再只是「瞎猜」,而是具備事實根據的專家。
psychology 什麼是 RAG?
傳統的 AI 模型受限於其訓練數據的截止日期(Knowledge Cutoff)。RAG 透過在回應生成前,先從您的專屬知識庫中「檢索」最相關的資訊,並將其作為參考基礎提供給 AI。
這就像是給了 AI 一套「開放式圖書館」的存取權,當有人提問時,AI 會先去翻書,找到準確答案後再組織語言回答。
{
"Process": "RAG_WORKFLOW",
"Input": "用戶問題",
"Steps": [
"1. AI 意圖分析:提取關鍵字",
"2. 向量檢索:從數據庫找出匹配段落",
"3. 上下文構建:組合 Prompt",
"4. LLM 生成:具備專家知識的回應"
],
"Target": "高精確度客服解決方案"
}
核心運作流程
標準化的 RAG 流程確保每一次回應都精準無誤
1. 檢索 (Retrieval)
接收用戶提問後,系統會自動在數以萬計的知識庫文檔中,尋找最相關的內容段落。
2. 精煉 (Refinement)
利用 AI 意圖分析過濾無用資訊,只保留對回答問題最有幫助的核心知識點。
3. 增強 (Augmentation)
將檢索到的知識、對話歷史與系統角色設定進行高度融合,構建精確的 Prompt。
4. 生成 (Generation)
由高性能 LLM 生成最終回應,確保內容專業、擬人化且完全基於事實。
獨家技術優勢
我們在標準 RAG 之上,加入了針對教育與客服場景的特殊優化。
AI 意圖分析
系統會自動分析用戶問題的深層意圖,提取核心關鍵字(包括中英文、隱含概念),顯著提升檢索階段的召回率與精確度。
多層次檢索策略
結合預載入、標題匹配、內容權重與 AI 關鍵字比對。即使提問方式糢糊,也能精準定位到最合適的知識庫內容。
關鍵字權重優化
專為教育場景設計的權重表(報名權重: 4, 學費權重: 4, 課程權重: 4),確保核心業務問題優先得到精確回答。
對話上下文感知
AI 會記住最近 10 次的對話內容,在檢索時考慮歷史背景,實現真正的連貫對話而非單次問答。
前端組件快速整合
只需三行程式碼,即可在任何網頁中嵌入強大的 AI 客服功能
integration_instructions 基礎嵌入方式
將以下程式碼貼在 HTML 的 <body> 標籤結束前:
<!-- AI 客服組件 --> <ai-convai agent-id="YOUR_AGENT_ID"></ai-convai> <!-- 核心載入腳本 --> <script src="https://ees-ai.web.app/ai-convai-widget-standalone.js" async></script>
settings 進階選配參數 (Attributes)
agent-id
必填。您的代理人唯一識別碼。
avatar-image-url
選填。自訂 AI 顯示頭像的圖片連結。
data-prompt
選填。設為 "false" 可禁用桌面端的自動啟動提示。
組件具備的能力
-
bolt
全自動知識檢索
內建 RAG 邏輯,自動根據用戶問題匹配最相關的知識庫內容。
-
face
動態人物誌與記憶
自動分析對話細節,建立並持續更新使用者的人物資訊檔案。
-
smart_display
YouTube 影片內容內嵌
當 AI 提及 YouTube 影片時,組件會自動在對話框內生成播放器。
-
markdown
Markdown 內容渲染
支援標題、清單、粗體及連結,讓回覆內容層次分明且易於閱讀。
教育場景深度特化
核心教育關鍵字
- • 報名、註冊、入學、招生 (權重 4)
- • 學費、費用、收費、學雜費 (權重 4)
- • 課程、科目、學科、課表 (權重 4)
- • 考試、測驗、成績、分數 (權重 4)
智能處理機制
- • 自動生成推薦關鍵字提升匹配度
- • 未命中知識庫時自動建立維護通知
- • 支援多份獨立知識庫同時比對
- • 動態權重調整,提高教育服務精準度