LINE OA 上的 AI 聊天机器人，答案来自你自己的文件
不是照脚本回覆的机器人，也不是让 AI 自己猜。我们搭建 RAG 系统，答案取自你真实的手册、价格与条款；一旦超出范围，立刻转交真人。
Problem
为什么现有的机器人还是替代不了人
脚本机器人
只能回答事先想到的问题。顾客一旦问到脚本之外就卡住，对话最后还是回到你的团队手上。
没有接数据的通用 AI
读起来很顺，但答案来自通用知识。它不知道你的价格与条款，不知道的时候还会编一个听起来很像的答案。
LINE OA 内建的 AI Chatbot
基本问题够用，但它只依据你设定的问答组合作答，不会读你真正的文件，也连不到后台系统。
这三种都没有错，只是解决不同的问题。如果占用你团队时间的，是那些答案其实已经写在文件里、却分散到没人来得及找出来的问题，那正是 RAG 最擅长的场景。
How it works
RAG 如何让 AI 依据你的文件作答
- 收集你本来就用来回覆顾客的文件产品手册、价目表、服务条款、FAQ，以及团队过去回覆过的对话。不必全部重写，从现有的开始。
- 转成可检索的知识库内容以可检索的形式存放，不会拿去训练模型，因此不会变成 AI 供应商的公开知识，也能随时移除。
- 顾客照常在 LINE 里提问系统先检索相关段落，再让 AI 依据检索到的内容组织答案，而不是依据模型记得的东西。
- 超出范围就立刻转给真人你事先决定哪些内容 AI 绝不能回答，例如特殊报价或合约承诺；转交时会带着完整对话一起过去。
最关键的差别在第 3 步——AI 依据在你文件中检索到的内容作答，而不是依据它从网路上吸收的东西。这也是每个答案都能追溯到出处页面的原因。
Scope
我们承接的工作范围
范围与使用场景设计
我们先读真实对话，找出最耗团队时间的问题类型，再挑出值得先做的那一块，而不是一次全做。
把文件整理成 AI 能用的形式
这类项目的大部分工作在这里，而不在模型。人读得懂的文件，和系统检索得到的文件，并不是同一回事。
串接 LINE OA 与后台系统
串接 Messaging API、LIFF 以及你现有的系统，例如商品资料库或订单状态，让它能回答每天都在变的事情。
护栏与转真人机制
定义绝不能回答的内容、使用的语气、何时转交，以及系统没把握时要说什么，而不是硬猜。
成效衡量与持续调整
观察哪些问题答不出来、哪些答案被重复追问，然后回到来源文件修正。这类系统靠实际使用变好，而不是靠一次性设定。
交接给你的团队自行维运
你可以自行更新文件，不必每次都找我们。我们刻意让你不必长期绑在代理商身上。
Before you start
在和任何人签约之前，值得先问的三个问题
这是你的 IT 团队第一个会问的问题，而且应该在开工前就谈定：哪些资料 AI 可以看、哪些不行、由谁保管。
成本不只是订阅费，自建也不见得就比较便宜。决定之前先把数字算清楚。
AI 能把根本不存在的东西讲得非常可信。这正是系统必须依据文件作答、并且说得出每个答案出处的原因。
如果某家供应商没办法把这三题讲清楚，就该保留一点警觉——包括我们在内。
Fit
适合谁，以及目前还不适合谁
以下情况适合
- 进来的对话量超过团队回覆速度，等回完顾客已经没兴趣了
- 重复问题吃掉销售团队的时间，没空做真正带来成交的事
- 手册、价格或条款已经有像样的书面版本
- 希望让人处理需要判断的事，而不是查个文件就能解决的事
以下情况目前还不适合
- 还没有清楚的书面资料，答案都在某个人脑子里
- 大部分问题都涉及议价或临场判断
- 对话量还在团队轻松应付的范围内
- 希望做到 100% 准确，而且完全不需要人盯着
如果你落在右边那一栏，我们会直说，并建议先把文件整理好——这件事无论最后用不用 AI 都该做。
Why us
为什么是营销代理商，而不是软件公司
我们对 LINE 的理解不止于串接 API
Praphat Srisuma 是 2026 年全泰国四位 LINE Master Coach 之一（LINE 认证教练共三十位），也是仅三位通过 API 技术方向认证的教练之一。
我们用营销成效衡量，而不只是交付一套系统
泰国政府储蓄银行 LINE 官方账号 GSB NOW 上的 NOW POINT 活动，我们负责的范围包含问答积分、个人化电子券与 Push Flex Message 管理，该项目获得 Marketing Excellence Awards Thailand 2026 数据驱动营销类别铜奖。
我们已经交付的 LLM 与 RAG 系统，分布在汽车品牌（CRM 活动）与银行业。全部受保密协议约束，因此无法在此公开客户名称与细节——欢迎与我们联系，我们会说明工作范围与实际遇到的限制。