快速上手
系統簡介
歡迎使用 Orange AI 智慧客服平台。這是一款專為台灣企業打造的多租戶智慧客服解決方案。我們將檢索增強生成(RAG)技術與企業的內部知識完美結合,幫助您建立專屬的 AI 助理,精準且即時地回覆客戶查詢,有效節省高達 80% 的傳統客服人力。
Orange AI 核心亮點
支援跨平台嵌入(Web Widget)、多管道社群串接(FB/IG)、Google 雲端文件實時同步,以及基於先進大語言模型(LLM)的智慧人設,當 AI 面臨無法解決的問題時,可無縫轉接至行動端 App,通知真人客服接管。
建立第一個 Agent
開始使用 Orange AI,您只需在後台主控台(Console)中完成以下三個簡單步驟:
註冊組織與登入
使用 Google 或 Apple 帳號快速登入,輸入您的公司/組織名稱,即可建立專屬的獨立多租戶空間。
建立客服代理人
進入「專員管理」,點擊「新增代理人」,為您的 AI 客服命名,並選擇適合的預設人設模板。
配置初始設定
指定代理人運作的時區與偏好的語言模型,完成後點擊儲存,您的 AI 客服便已就緒!
網頁 Widget 嵌入安裝
您可以將 Orange AI 聊天客服視窗嵌入至任何 HTML 網頁中。目前系統支援兩種展示模式,可透過 data-mode 屬性進行設定:
- 浮動按鈕模式 (
floating)(預設):在網頁右下角顯示懸浮按鈕,用戶點擊後會彈出一個懸浮的對話視窗。 - 固定嵌入模式 (
embedded):將整個對話視窗直接嵌入並填滿您指定的網頁特定區塊(例如側欄或頁面中某個區域),適合作為專門的客服版面。
支援的配置參數 (data-* 屬性)
| 參數屬性 | 類型 | 說明 |
|---|---|---|
| data-org-id | 必填 | 您的組織識別碼。可在「主控台 -> 頻道整合」中取得。 |
| data-persona-id | 選填 | 指定 AI 客服代理人 ID。若未設定,系統將自動使用您組織的預設代理人。 |
| data-mode | 選填 | 展示模式。可設為 floating(預設)或 embedded。 |
| data-theme-color | 選填 | 自訂對話框主題色(如 #d97706)。淺色主題下前景色會自動轉為深色以確保對比度。 |
| data-fab-icon-url | 選填 | 自訂右下角浮動按鈕圖示的 URL(僅在 floating 模式下生效)。 |
| data-header-title | 選填 | 自訂對話框頂部的標題(例如「線上客服」)。 |
A. 浮動按鈕模式(預設)
只需將以下程式碼加入到您網頁的 </body> 標籤前方:
<script
src="https://orangeai.tw/console/widget.js"
data-org-id="YOUR_ORG_ID"
data-persona-id="YOUR_PERSONA_ID"
data-theme-color="#d97706"
data-fab-icon-url="OPTIONAL_FAB_ICON_URL"
data-header-title="OPTIONAL_HEADER_TITLE">
</script>
B. 固定嵌入模式 (Embedded)
在嵌入模式下,Widget 將自適應並填滿外部父容器。請在您的網頁中建立一個指定了寬度與高度的容器(例如 <div>),並將 Script 置入其中:
<!-- 建立一個固定大小的容器,Widget 會自動填滿此區域 -->
<div style="width: 100%; height: 600px; border: 1px solid #e7e5e4; border-radius: 12px; overflow: hidden;">
<script
src="https://orangeai.tw/console/widget.js"
data-org-id="YOUR_ORG_ID"
data-persona-id="YOUR_PERSONA_ID"
data-mode="embedded"
data-theme-color="#d97706">
</script>
</div>
YOUR_PERSONA_ID 與 YOUR_ORG_ID 替換為您的真實識別碼。當在 embedded 模式下且父容器寬度大於 600px 時,Widget 會自動展示精緻的左側代理人資訊與建議問題側欄,方便使用者點選;在窄螢幕下側欄會自動隱藏,對話聊天區塊會自適應撐滿。
智慧客服設定
客服人設與語氣
「客服人設 (Persona)」是引導 AI 說話風格與行為的核心指令。在主控台的人設設定中,您可以:
- 定義角色定位:例如「您是親切有禮的 Orange 購物商城客服專員,主要協助處理訂單與退換貨事宜」。
- 指定回覆語氣:可選擇「專業溫和」、「活潑親切」或「簡明扼要」。
- 設定強制規則:例如「若客戶提及涉及機密隱私,請強制引導至真人客服,絕不透露 API 金鑰」。
提示詞魔法工具 (Prompt Optimizer)
設計優質的 AI 客服人設提示詞往往需要反覆測試。為了解決此痛點,Orange AI 內建了「提示詞魔法工具」。它能利用大模型的能力,將混亂或口語的人設要求一鍵優化,並提供安全性與語意檢查。
AI 檢查與優化功能
- 結構化 Markdown:一鍵將雜亂的人設要求重組為 Role、Tone、Core Rules、SOP 等專業 Markdown 區塊。
- 語意矛盾與漏洞修正:自動修正前後語意矛盾、補充缺失的基本資訊、修復拼字與語氣錯誤。
- 多語系支援優化:自動將特定語言(如中文)的固定話術改寫為「語意要素原則 (Semantic Intent)」,並移除特定語言的語法綁定,提昇 AI 的多語言翻譯與同步能力。
多語言錨定與安全防護
- 防止字面錨定效應:當提示詞包含引號寫死的中文話術時,AI 會在多國語言對話中直接輸出中文。魔法工具會警告此風險,並引導將其重構為語意原則或加上動態翻譯指令。
- 避免內部工具洩露:工具會自動檢測 Prompt 是否包含
wiki_search、rag_search等內部工具名稱或 generic 呼叫詞,引導將其替換為抽象功能性字眼,防範 AI 回覆用戶時洩露 "## Tool Call" 技術代碼。
🪄 手把手操作指引
- 點擊主控台「人設設定」頁面中,系統提示詞輸入框上方的 「🪄 提示詞魔法工具」 按鈕。
-
在彈出的對話框中,您可以點選:
- AI 檢查:掃描當前提示詞中的邏輯矛盾、拼寫問題、工具洩露與多語言字面錨定風險,並列出具體建議與原因。
- AI 優化:選擇目標語言(繁體中文/英文/日文),自動生成結構化的專業 RAG 提示詞。
- 確認優化生成的提示詞符合預期後,點擊 「套用」。系統將彈出確認對話框,防止覆蓋您原有的自訂內容。確認後提示詞會自動填入輸入框中。
客服頭像上傳規範
為確保 AI 客服在各種終端(Web Widget、Mobile App)顯示時皆能呈現一致的高質感品牌視覺,上傳頭像時請遵循以下規範:
check_circle 建議規格
- 解析度剛好為 256 x 256 像素
- 建議使用 PNG 或 JPG 格式
- 圖片檔案大小需在 500 KB 以內
- 頭像角色應置中,背景乾淨簡約
cancel 限制防呆
- 系統將自動驗證圖片解析度,非正方形或比例失真將會被拒絕上傳
- 禁止使用過大解析度的照片(例如 4K 原圖),以防載入緩慢
- 若未上傳,系統將動態指派暖沙琥珀預設頭像
時區與模型設定
Orange AI 支援高度在地化的設定:
時區選擇與行為影響
時區設定會直接影響 AI 回覆時間感知。舉例來說,當客戶詢問「你們現在有營業嗎?」,AI 會根據設定的組織時區(如 Asia/Taipei)獲取當前正確的本地時間,並結合您的人設營業時間規則進行判斷。
模型服務商感知選擇
我們採用靈活的模型路由技術。在控制台的「模型設定」中,您可以指定主推論模型(預設為 Gemini 3.7 Flash)。系統會依所選模型自動套用最合適的生成參數(新一代 Gemini 模型已內建最佳取樣設定,無需手動調整),以確保客服問答穩定且不易產生幻覺。
rocket_launch 如何挑選合適的 AI 模型?(三大極端光譜解析)
Orange AI 支援 Google、Anthropic 與 OpenAI 最新一代旗艦與輕量模型。為了協助您在「回覆品質、生成速度與 Token 成本」之間快速決策,我們將目前系統提供的模型歸納為三大極端光譜,方便您依據業務場景精準選用。
apps 目前系統支援之模型清單 (Available Model Roster)
- gemini-3.8-flash (預設主力)
- • gemini-3.6-flash
- • claude-opus-4-7
- • claude-opus-4-6
- • claude-sonnet-4-6
- • claude-opus-4-5
- • claude-sonnet-4-5
- • claude-haiku-4-5
- • gpt-5.6-terra
- • gpt-5.6-luna
- • gpt-5.5
- • gpt-5.4
首字回應速度極快 (TTFT),單則訊息的運算與 Token 消耗降至最低。雖然複雜多步推理能力較弱,但對於意圖分類、初始對話路由、簡單問答或制式引導能發揮極高性價比。
Gemini 3.7 Flash 具備自動調節思考深度 (Thinking) 與極速生成,在多輪 Tool Calling (RAG 檢索/日曆/表單) 表現頂尖且成本極佳;Claude Sonnet 4-6 則擁有極佳擬真品牌語調與溫潤語感。
具備業界頂尖的超深層邏輯推論與複雜條款精讀能力。雖然生成延遲與 Token 消耗較高,但在處理長篇法規合約、複雜財務售後爭議以及多步驟自動化 Agent 流程時能給出最嚴謹無死角的決策。
info 參數防呆與自動降階機制 (Model Capabilities)
- 溫度調整 (Temperature):數值低(如 0.2 - 0.5)時回答聚焦嚴謹,適合精準問答;數值高(如 0.8 - 1.0)時回答更具彈性。目前僅 Claude Sonnet / Haiku 系列與 Claude Opus 4-6 支援自訂溫度;Gemini 全系列(新一代模型已固定採用最佳取樣設定)、Claude Opus 4-7 與 GPT-5.x 系列皆不支援,選擇這些模型時設定介面會自動隱藏溫度滑桿,後端亦會自動排除該參數以防呼叫錯誤。若想讓 Gemini 回答更嚴謹或更有彈性,請改以提示詞 (Prompt) 描述期望的語氣與嚴謹程度。
- 串流自動降階 (Fallback):部分模型在呼叫外部工具(如 RAG 檢索或自訂 API)時若不支援即時串流(Streaming),後端會自動降階為「一次性生成」後回傳,確保前端用戶體驗不中斷。
模型選用決策矩陣
| 業務場景 / 任務類型 | 推薦極端光譜 | 推薦模型選項 | 建議溫度 (Temp) | 核心考量優勢 |
|---|---|---|---|---|
| 企業主力客服 / 混合推理、多輪工具呼叫與 RAG | 黃金平衡極端 | gemini-3.8-flash (推薦) / gpt-5.5 | 固定預設(免調整) | 原生混合思考、低延遲 Tool Calling 與最高性價比 |
| 高質感客服 / 重視品牌調性與擬真流暢語感 | 黃金平衡極端 | claude-sonnet-4-6 / claude-sonnet-4-5 | 0.7 - 0.9 (中高) | 文字細膩溫潤、品牌擬真度極佳 |
| 極速響應 / 超高頻意圖分類、初始路由與省 Token | 極速輕量極端 | claude-haiku-4-5 / gemini-3.6-flash / gpt-5.6-luna | 0.1 - 0.3(僅 Claude Haiku 可調) | 極速回應 (TTFT)、單則 Token 消耗與成本最低 |
| 深層推理 / 長篇法規條款、複雜爭議與高難度 Agent | 極致推理極端 | claude-opus-4-7 / gpt-5.6-terra / claude-opus-4-6 | 固定預設(免調整) | 最強邏輯推理、多步驟深度規劃與近乎零漏洞決策 |
AI 運作模式對照
Orange AI 提供兩種核心的對話運作模式:資料搜尋模式 (RAG Mode) 與 智能代理模式 (Agent Mode)。您可以依據業務場景的需求,在代理人(Persona)設定中自由切換,以在回覆品質、靈活性與成本延遲之間取得最佳平衡。
| 比較面向 | 資料搜尋模式 (RAG Mode) | 智能代理模式 (Agent Mode) |
|---|---|---|
| 運作機制 (Mechanism) | 硬性管道 (Hardcoded Pipeline)。 系統在背景先將問題向量化、檢索 RAG 知識庫,並直接將查到的資料片段拼入 Prompt 送給 LLM 生成答案。 |
自主工具呼叫 (Tool Calling)。 系統將搜尋、轉接真人等工具提供給 LLM (Gemini),由 LLM 自主決定「要不要查」、「查幾次」或「何時轉接真人」。 |
| 知識庫檢索範圍 | 僅限原始文件/網頁分塊 (RAG Chunks)。 僅檢索原始文件的向量數據,無法檢索自動編譯後的 LLM Wiki 百科。 |
雙軌併行 (RAG Chunks + LLM Wiki)。 支援同時檢索原始文件與整合提煉後的企業百科 (LLM Wiki),對話回答更加全面。 |
| 動態工具支援 | 不支援任何工具。 AI 無法使用外部 API、無自訂工具(如 Youtube Search),亦不支援「轉接真人」功能。 |
全面支援 (Tools Support)。 支援內建工具(Wiki/RAG 檢索、轉接真人)以及您在控制台擴充設定的各項動態自訂 API 工具。 |
| 防呆與檢索保證 | 天然保證。 每次提問必定會觸發檢索,並將結果餵給 LLM,不會漏檢索。 |
規則強制引導。 系統已注入高權重 KNOWLEDGE_GROUNDING_RULE,強制 AI 涉及事實時必須至少呼叫一次搜尋工具,防範其憑自身記憶回答。 |
| 回答延遲與 Token 消耗 | 較低 (一次推論)。 無須進行多輪思考與工具調用,生成速度快,節省 Token 成本。 |
較高 (多輪思考/調用)。 由於 LLM 需先輸出 Tool Call 指令,再由系統執行工具並送回結果進行第二次推論,延遲與 Token 消耗相對較高。 |
如何選擇與設定最佳實踐?
- 適合選用 RAG Mode:當您的客服場景極度單純(如純文件 FAQ),不需要 any 外部整合工具,且希望節省對話成本並享有最快的速度時。
- 適合選用 Agent Mode:當您的客服需要自動「轉接真人」引導、或希望 AI 能夠查詢彙整後的 Wiki 百科、又或者您整合了 Google 日曆、Youtube 搜尋等外部自訂 API 工具。
- 人設提示詞 (System Prompt) 撰寫注意:若設為 RAG Mode,請在提示詞中避免寫入「要求 AI 呼叫工具」的文字以防 AI 產生幻覺(輸出 Tool Call 程式碼);若設為 Agent Mode,則可盡情撰寫工具呼叫邏輯。
AI 擴充工具指南
在 智能代理模式 (Agent Mode) 下,您的 AI 客服代理人可以使用多種內建及外部擴充工具,以獲得即時資訊讀寫、轉接真人客服、或是調用外部 Google/YouTube 生態系服務的能力。
tune 如何為客服代理人 (Agent) 啟用擴充工具?
- 進入編輯:在控制台側邊欄點選「智慧客服設定」,點擊進入您要設定 the Agent 客服代理人。
- 切換分頁:在編輯畫面中,點選「擴充工具 (Tools)」設定分頁。
- 勾選工具:在此勾選欲啟用的工具。核心工具(如 LLM Wiki 檢索、真人客服轉接)為系統內建,可在此直接勾選啟用;外部擴充工具(如 Google Workspace、網頁檢索、圖片集、YouTube 搜尋)需先在「工具市集 (Tool Marketplace)」中完成帳號授權與設定,才會在此清單中出現。
- 儲存變更:勾選完畢後,點擊右上角的「儲存」按鈕。系統將自動在背景注入對應的 AI 系統規則與呼叫權限。
雖然系統允許每個 Agent 啟用最多 20 個 擴充工具,但基於大語言模型 (LLM) 的運作機制,我們強烈建議啟用工具數量不要超過 10 個:
- 提高回答品質:工具過多會使 LLM 面臨更多決策選項,容易在語意相近的工具間產生混淆,增加選錯工具或回答幻覺的機率。
- 減少回應延遲 (Latency):每個啟用的工具都會將其參數定義 (JSON Schema) 注入 System Prompt 中,這會耗費大量 Input Token 並顯著增加首字生成延遲 (TTFT)。
- 專職專能原則:建議依據不同的業務場景(如會議秘書、文件小幫手、客服轉接等)建立多個專屬的 Agent 分別配置 3~5 個專用工具,而非建立一個全能但緩慢的超級代理人。
menu_book LLM Wiki 檢索 (wiki_search)
查詢企業高階結構化 Wiki 百科(如公司通用政策、退換貨條款、標準作業程序 SOP 等)。
用戶問「退貨運費誰付?」,AI 呼叫 wiki_search(query: "退貨政策") 檢索百科頁面。
support_agent 真人客服轉接 (human_handover)
當用戶主動要求真人服務、或問題超出 AI 知識庫範圍、或偵測到用戶有強烈不滿情緒時。
用戶發送「叫你們主管出來」,AI 呼叫 human_handover(reason: "用戶情緒激動要求主管"),並回覆通知已在轉接中。
image 圖片集工具 (image_gallery_search)
對話中需要向用戶展示實體圖片(如產品實照、門市地圖、退換貨流程圖、促銷 Banner 等)。
用戶問「有你們公司的位置圖嗎?」,AI 呼叫 image_gallery_search(query: "公司位置地圖") 檢索圖片,並以 Markdown 格式顯示圖片。
img_123.jpg、測試),且描述切勿空白,否則 AI 進行語意向量比對時會無法命中。
public 網頁檢索工具 (web_scraper)
需要 AI 即時獲取特定公開網址的最新動態資訊(例如官網最新公告、促銷活動頁面、預約表單等)。
當用戶詢問「現在有什麼新優惠?」,AI 自動調用網頁檢索工具抓取指定的促銷活動頁面,並轉為 Markdown 格式回答。
calendar_month Google Calendar 日曆工具 (google_calendar)
需要 AI 讀取公司日曆行程、查詢空檔、或替客戶直接建立/預約新的日曆行程時。
用戶說「我想預約明天下午三點的顧問諮詢」,AI 自動呼叫 google_calendar 建立行程,並回覆確認。
description Google Docs 文件工具 (google_docs)
需要 AI 讀取指定 Google 文件的即時內容作為答覆參考,或需要在對話中追加記錄(Append)內容至文件末尾時。
用戶詢問「最新版產品規格手冊的內容」,AI 自動呼叫 google_docs 讀取指定文件,進行分析後回答用戶。
drive.file 最小權限授權,AI 無法主動讀取您 Google 雲端碟中的其他任何文件。請勿手動修改文件 ID,以免因授權失敗導致 API 無法存取。
table_chart Google Sheets 試算表工具 (google_sheets)
需要 AI 讀取結構化表格資料(如產品價目表、門市據點),或將客戶來訊的資訊作為新資料列 Append 寫入試算表底部。
用戶留下「我想訂購,姓名王小明,電話 0912...」,AI 自動呼叫 google_sheets 將該資料寫入指定的表單底部。
smart_display YouTube 影片搜尋 (youtube_search)
綁定您的官方 YouTube 頻道。當用戶詢問軟體操作、產品開箱、安裝教學等可由影片解答的問題時,讓 AI 即時檢索影片並附上影片連結。
用戶問「如何安裝這個產品?」,AI 呼叫 youtube_search(query: "安裝教學"),並在回覆中加入「您可以觀看此影片:[影片標題](影片連結)」輔助說明。
YOUTUBE_SEARCH_RULE 規範 AI 不得胡亂杜撰連結。
https:// 開頭,例如 https://www.youtube.com/@handle ),系統不接受僅填寫裸帳號名稱 @handle,否則會因無法解析引發錯誤。
知識庫與 RAG 策略
檔案上傳與限制
您可以透過上傳企業說明文件來為 AI 擴充知識。為保證系統的解析與執行效率,並保護瀏覽器與雲端資源,系統設有以下上傳限制與「大檔案自動分割」強健性機制:
系統會依據副檔名自動分流至專屬原生解析路由器。純文字與 CSV 處理迅速;Word 與 Excel 會自動剝離為純文字或 CSV 格式。
Fast Mode 適合無圖片的長文,解析僅需數秒且不耗 LLM 成本;Deep Mode 將啟用 AI 逐頁多模態解析,能辨識複雜排版、表格與圖片內容。
當上傳的純文字檔或 PDF 大於後端硬性限制時,系統會自動在前端將其分割為多個符合規格的子檔案,逐一上傳:
- 文字檔案(TXT, MD, CSV):超大文字檔將依換行符無損切分為多個子檔案逐一上傳。超長單行亦會安全截斷,防範解析死鎖。
- PDF 檔案:在 Deep Mode 下,超長 PDF 將以固定頁數為單位進行頁面拆分並依序上傳。
- 斷點續傳重試:上傳中途若部分分段失敗,對話框會暫停,您可以點擊「重新嘗試」從失敗段落繼續上傳。
- 取消自動清理:在上傳失敗或暫停時點擊「取消」,系統會自動清理該批次中已成功上傳的子分段,不留下碎片垃圾。
檔案大小與安全防呆極限
- 不支援分割之格式(如 DOCX, XLSX, 圖片等):單一檔案限制為 20MB (Deep Mode) 或 50MB (Fast Mode),超限將予以阻擋。
- 文字與 PDF 檔案:後端設有單次處理字元上限,超過系統閾值者將自動觸發分割上傳。
- 前端 OOM 熔斷機制:為防範超大檔案讀入時導致網頁瀏覽器記憶體溢出(OOM)崩潰,所有檔案在前端設有 150MB 的硬性大小上限,大於 150MB 將在選取時直接阻擋。
知識編譯機制與重試
當您上傳新文件或同步雲端資源後,系統會在背景啟動 **LLM 知識編譯流程**。以下是其運作原理:
1. 背景處理佇列
上傳的文件會被指派至背景雲端佇列中,進行斷詞、切片(Chunking)與向量化(Embedding)。
2. 並行防護機制
當多位管理員同時修改或上傳同一個知識庫時,系統會透過內建的防衝突機制確保資料一致性,避免同步錯誤。
3. 故障自動與手動重試
若大模型服務商因高負載出現 503 暫時性錯誤,系統會自動在指數退避時間後重試。若多次重試失敗,控制台該文件狀態將變更為「編譯失敗」,您可以點擊文件旁的「重新整理」按鈕手動觸發重新編譯。
文件有效期間(限時知識)
促銷活動、當月班表、限期公告等資訊只在特定期間正確。為上傳檔案或 Wiki 頁面設定「有效期間」後,AI 只會在期間內引用這些內容;期間外的資料保留不刪,隨時改期立即生效。
- 開始與結束時間皆為選填,留空(「不限」)代表該端沒有限制;兩者都不設定即為「永久有效」。
- 時間依您瀏覽器的當地時區選擇與顯示,並標示 UTC±hh:mm;結束時間預設為當天 23:59。
- 適用於上傳的檔案與 Wiki 頁面;網頁來源目前尚不支援設定期間。
如何設定
1. 上傳時設定(建議)
於知識庫點選「上傳新文件」,展開「有效期間(選填)」設定「開始時間」與「結束時間」後再選擇檔案。大型檔案自動分割上傳時,各部分會共用同一組期間。
2. 上傳後補設
在文件列表該列點選「⋮ → 設定有效期間」,或直接點「+ 設定期間」。分割上傳的檔案可勾選「同時套用到同一檔案的其他部分」一次改齊。
3. Wiki 頁面
於 Wiki 編輯頁點選「設定有效期間」→「套用」,再按「儲存」。
上傳時設定 vs 上傳後才設定
| 上傳時設定 | 上傳後才設定 | |
|---|---|---|
| 知識庫檢索 | 依期間引用 | 依期間引用 |
| Wiki 整理方式 | 建立獨立的「限時專屬頁」,不與其他文件合併 | 內容已整理進共用 Wiki 頁面 |
| Wiki 是否受期間控制 | 是,專屬頁期間跟隨來源檔案 | 否,期間只限制知識庫引用 |
若上傳後才發現需要期間、且希望 Wiki 也受控制,請刪除該檔案後重新上傳,並於上傳時設定期間。
Wiki 限時專屬頁
- 於 Wiki 列表標示為「限時專屬頁 · 檔名」,狀態標籤顯示目前是否生效。
- 期間跟隨來源檔案:在文件列表改期,專屬頁會自動同步;Wiki 編輯頁會顯示「期間跟隨來源檔案」,無法另外修改。
- 之後上傳的其他文件不會合併進專屬頁,避免永久資訊被一起限時。
手動為 Wiki 頁面設定期間時
一般 Wiki 頁面一旦手動設定期間(列表標示「手動設定期間」),之後上傳的文件不會再合併進這一頁,相關新內容會另建新頁,以免永久有效的資訊跟著過期。若新上傳的是同主題的改版文件,舊頁到期前新舊兩頁會同時存在,建議手動刪除舊頁或縮短其期間。
刪除連動
刪除設有期間的檔案時,其 Wiki 限時專屬頁會一併刪除(刪除確認視窗會提示),共用 Wiki 頁面不受影響。即使刪除當下 Wiki 仍在整理中,系統也會定期自動清理殘留的專屬頁。
查看與排查
- 文件列表與 Wiki 列表會顯示狀態標籤:即將到期(7 天內)、生效中、尚未生效、已過期、永久有效,並可用上方篩選列快速篩選。
- 尚未生效或已過期的項目會註明「AI 尚未引用」或「AI 已停止引用」。
- 在 AI 測試與除錯 頁面,「已排除的來源」會列出因不在有效期間內或來源檔案已刪除而未被引用的資料。
修改與刪除知識
知識庫文件(上傳的檔案與網頁)是 AI 的原始資料;Wiki 則是系統從這些文件自動整理出來的主題百科。修改或刪除文件時,兩邊都會跟著更新。本節說明各種操作實際會發生什麼事,以及建議的做法。
先了解:AI 整理的頁面與您編輯過的頁面
由系統從文件自動產生、沒有人存檔過的 Wiki 頁面。之後上傳的相關文件會自動更新它;來源文件全部刪除時,頁面也會自動刪除。
在 Wiki 編輯頁按過「儲存」的頁面(即使只改一個字),以及從知識缺口補入的頁面。系統不會再自動改寫或刪除它;同主題的新內容會整理到另一個頁面。
修改知識
| 項目 | 修改方式 | 系統會做什麼 |
|---|---|---|
| 上傳的檔案 | 無法線上編輯。請先上傳新版檔案,再刪除舊版。 | 新檔案會重新整理進知識庫與 Wiki;內容有衝突時以新檔案為準。 |
| 網頁來源 | 在網頁編輯器修改內容後按「儲存並重新嵌入」;或按「重新爬取」取得網站最新內容(會覆蓋您在編輯器中的修改)。 | 重新建立檢索資料,並重新整理相關的 Wiki 頁面。 |
| 有效期間 | 在文件列表點選「⋮ → 設定有效期間」。 | 只改變 AI 引用的時段,資料不會被刪除。詳見 文件有效期間。 |
| Wiki 頁面 | 在 Wiki 編輯頁修改後按「儲存」。 | 該頁成為「您編輯過的頁面」,之後不再自動更新。 |
刪除知識
| 刪除的項目 | 會一起刪除 | 會保留 |
|---|---|---|
| 上傳的檔案 「刪除」→「確認刪除」 | 檔案的檢索資料、限時專屬頁,以及只整理自這份檔案的 AI 頁面。 | 您編輯過的頁面;同時整理自其他文件的頁面(只解除與這份檔案的關聯,內容不變)。 |
| 網頁來源 | 網頁與其所有子網頁、只被它引用的資源連結,以及相關 Wiki 頁面(規則同上傳的檔案)。 | 仍被其他網頁引用的資源連結。 |
| Wiki 頁面 編輯頁右上角選單 →「刪除頁面」 | 該頁面(無法復原)。 | 來源文件。來源再次整理時(重新上傳、重新爬取、儲存網頁),可能又產生類似的頁面。 |
部分較早期整理的 Wiki 頁面沒有記錄來源檔案,刪除檔案時不會自動清理。請在 Wiki 列表搜尋相關標題,手動刪除不再需要的頁面。
刪除後系統會在背景清理相關資料,通常幾分鐘內完成。完成前,AI 已不會引用已刪除檔案的原始片段(AI 測試與除錯 頁面會標示「來源檔案已刪除」),但相關 Wiki 頁面可能還會短暫存在。
最佳實務
1. 改來源,而不是只改 Wiki
資訊過時(價格、規定改了)時,請更新或替換來源文件。只改 Wiki 的話,AI 仍可能從原始文件引用舊內容。
2. 限時資訊在上傳時就設定期間
活動、促銷、季節公告請在上傳時設定有效期間。系統會建立獨立的專屬頁,到期自動停止引用,刪除檔案時也會一起清除。
3. 替換檔案:先上傳、再刪除
先上傳新版並等 Wiki 整理完成,再刪除舊版,避免中間出現 AI 沒有資料可回答的空窗。
4. 必要時才編輯 Wiki
存檔一次後該頁就由您維護。建議只在需要人工判斷的說明或跨文件總結時編輯;措辭上的小問題,保留給系統自動更新即可。
5. 刪除後檢查殘留
刪除檔案後,到 Wiki 列表搜尋相關主題,檢查您編輯過的頁面、較早期沒有來源記錄的頁面,以及由多份文件整理成的頁面是否還有舊內容。
6. 刪除後用 AI 測試驗證
幾分鐘後到 AI 測試與除錯 頁面詢問相關問題,確認回答已不再引用舊內容。
7. 大量汰換請分批進行
一次刪除大量文件時,系統會暫停部分自動清理以防誤刪,殘留的頁面需要手動處理。
8. 同主題出現兩頁時合併
您編輯過的頁面與 AI 新整理的頁面可能同時存在。請把要保留的內容合併到其中一頁,再刪除另一頁。
9. 不想讓某個知識庫進入 Wiki
在知識庫設定關閉「自動編譯此知識庫文件至 Wiki」。之後上傳的文件只供檢索;已整理的 Wiki 頁面不受影響,需要時請手動刪除。
目前的限制
編輯過的 Wiki 頁面目前無法交還給系統自動維護;若要交還,請刪除該頁後重新上傳來源文件。此外,來源文件被刪除時,您編輯過的頁面不會顯示提示,請記得一併檢查。
網頁爬取工具與資源
系統支援直接輸入網頁 URL 進行資料爬取與解析,將網頁內容轉化為 Markdown 文件並寫入知識庫。本功能不僅能抓取本文,還能智慧辨識與索引頁面中的靜態資源連結(如 PDF、圖片等),提供靈活的人機協作知識建構方式。
- 加入列表:在控制台點擊「加入網頁來源」並輸入 URL,系統將建立狀態為
pending_crawl(待爬取) 的記錄。 - 開始爬取:點擊「開始爬取」按鈕,系統會將任務派發至雲端佇列並在背景非同步執行。
- 子網頁自主掌控:爬取成功後,系統會分析並列出該網頁同網域下的子網址。您可以點選哪些子網頁需要繼續爬取,防止全站自動遞迴抓取產生大量冗餘資料。
- 手動 Markdown 編輯:支援對已爬取的 Markdown 內容進行手動調整,修改後儲存將自動觸發重新 Ingestion,即時更新語意庫。
當對象網站啟用了 Cloudflare、CAPTCHA 人機驗證、嚴格的反爬蟲機制,或者封鎖來自雲端伺服器 (Cloud Engine / GCP) 的 IP 請求時;抑或網頁位於企業內部網路 (Intranet) 及需要登入的私有頁面時,請改用本模式上傳。
- 操作方式:在控制台點擊「新增網頁來源」並將模式切換為「離線 HTML/ZIP」。您可以直接拖放或選取單一
.html/.htm檔,或包含完整網頁與靜態圖檔附件的.zip壓縮包(檔案上限 7MB)。 - 樹狀層級與相對路徑自動解析:上傳 ZIP 檔案時,系統會自動解壓並將其中的圖片/PDF 上傳至 Storage,同時自動將 HTML 內的相對路徑(包含
../及./多層級目錄)解析轉換為雲端絕對存取 URL。 - 同檔名隔離防護:若壓縮包內不同資料夾存在同名圖片(如
dirA/photo.png與dirB/photo.png),系統會自動進行衝突隔離,確保圖片絕對不致錯植。 - RAG 召回與圖片回覆:轉譯後的 Markdown 將寫入向量資料庫。當用戶詢問關聯問題時,AI 客服會在回覆中精確提供相關資源絕對路徑與 Markdown 圖片,便於客戶閱讀與點擊。
網頁內的靜態檔案(如 PDF、Word、Excel、PowerPoint、ZIP 壓縮檔及圖片等)不會下載到系統的加密物件儲存空間,而是採取「資源連結分軌」機制:
- 資源摘要向量:系統會為每個資源連結建立專屬的「摘要向量」,包含資源檔名、類型、直接 URL、所在網頁章節以及周圍上下文段落。
- 多重引用保護:若多個網頁指向同一個 PDF,該資源會記錄多個父網頁(
parentUrls)。刪除其中一個父網頁時,系統只會更新引用清單,只有當該資源的引用計數歸零時,才會徹底將該資源 doc 及向量清除。 - 對話實時召回:AI 客服回答時,若與該資源的摘要向量相符,會直接在對話中附上該資源的原始連結,方便使用者點擊下載。
後端技術機制與安全保障 (進階)
非同步任務佇列與並行處理
前端呼叫 API 後,後端會將任務加入非同步任務佇列並立即向前端返回成功,避免爬取耗時過長導致 HTTP 逾時。所有重爬與批次Enqueue均支援極速並行發送。
HTML 清理、連結補完與 Markdown 轉換
系統下載網頁後,會使用 Cheerio 剝離 script, style, nav, footer 等與本文無關的噪訊;智慧補完相對連結(將 /en/path 補完為帶 Origin 的絕對 URL);過濾 base64 圖片及小於 100px 的裝飾性小圖,最後以 Turndown-GFM 轉換為高可讀性的 Markdown 檔案上傳。
防 WAF 阻擋與 WAF 偽裝
系統發送爬取請求時,會全面模擬 Chrome 在 Windows 環境下的現代瀏覽器請求標頭(包含完整的 User-Agent 與 Client Hints),以穿透 LiteSpeed、Cloudflare 等網頁防火牆(WAF)的阻擋。
冪等性防護與向量堆積清理
為防止重新爬取或任務佇列因暫時性錯誤(如網絡超時、Rate Limit)重試時產生重複向量,系統在每次執行 Ingestion 管道前,均會強制清除與該 docId 相關的所有舊向量,防範語意庫受垃圾向量污染。
深度優先 (DFS) 遞迴刪除
當刪除父網頁時,後端會啟動 DFS 遞迴清理機制,徹底由下而上清理所有子頁面、孫網頁及其殘留向量,並扣減共用資源的引用計數,確保資料庫與儲存空間乾淨無遺留。
重要操作提示與錯誤處理
- 最大子連結限制:單次爬取頁面中所分析出的子頁面與資源連結,系統設有最大 50 個 的硬性上限,超出部分將被自動忽略。
- 錯誤識別與非暫時性攔截:若爬取遇到 404 Not Found、403 Forbidden(防火牆阻擋)或網頁無內容,系統會將狀態標記為
error並停止任務,不進行無謂的任務佇列重試,以節省資源;僅在連線超時等暫時性網絡故障下才會觸發重試。 - 快取穿透設定:為了防止手動編輯 Markdown 後瀏覽器載入快取的舊資料,系統在 Storage 寫入時強制附加了
no-cache, no-store屬性,確保您每次打開編輯器看到的都是最新內容。 - 編輯器防呆三件套:前端編輯器內建了未儲存變更提示保護(PopScope)、空白內容儲存阻擋、以及無變更時停用儲存按鈕,防止無謂的 API 調用與 Ingestion 消耗。
AI 測試與除錯 (AI Playground)
系統在主控制台提供了專屬的「AI 測試與除錯頁面」(RAG Tester / AI Playground),供管理員與開發者在調整客服 Persona 人設、更動模型設定或導入新工具後,能即時以沙盒模式與 AI 客服進行對談,並透過深入的 Debug 面板分析推論流程與檢索成效。
- 選擇 Persona 角色:在頁面頂部的下拉選單中,您可以選擇特定的 Persona 或使用「預設畫像」進行測試。選擇後,系統會在旁邊顯示 Mode Chip,用以辨識該角色運作於
RAG 模式(純檢索增強生成)還是Agent 模式(支援多功能工具擴充的智慧代理)。 - 測試文字訊息:在底部輸入框輸入任意問題,即可像一般使用者一樣與 AI 客服對話,回應將以即時串流(Streaming)方式呈現。
- 上傳與拖曳圖片:若測試多模態(Multimodal)理解能力,您可以點擊輸入框下方的圖片圖示選擇檔案,或者直接將圖片檔案拖曳(Drag & Drop)至輸入框區域。系統支援
.png,.jpg,.jpeg,.webp格式,單張大小限制在 5MB 以內。 - 隱私保護與臨時清理:測試上傳的圖片會暫存於加密物件儲存空間專屬的臨時目錄,在後端無伺服器微服務執行完推論並關閉串流後,系統會自動在背景刪除該暫存檔案,以確保組織資料隱私且不佔用專案儲存空間。
除錯資訊詳解 (Expert Mode)
對話送出後,AI 回覆下方會出現一個可展開的 Debug Information 除錯面板。此面板整合了來自後端微服務的性能日誌,是定位系統問題最重要的工具:
效能指標 (Performance Indicators)
即時顯示單次對話的總延遲時間 (Latency)(如 2.45s)以及 Token 使用量(以 In / Out Token 數表示,例如 125 in / 250 out),方便評估推論成本與效能瓶頸。
工具呼叫頁籤 (Tool Calls Tab)
在 Agent 模式 下,面板會列出 AI 本次對話中所呼叫的每個工具(如 youtube_search、google_calendar)。每個步驟皆會標示執行狀態(成功為綠勾,失敗為紅叉)以及該步驟的精確耗時(ms)。展開單一工具可檢視:
- Input:LLM 自動生成的工具輸入參數(以 JSON 格式化呈現)。
- SOURCES:若該工具涉及內部知識檢索,會在此列出檢索到的文件來源,並可進一步展開檢視原始內容片段。
- Output:工具執行後的輸出結果。如果是結構化資料會自動進行 JSON 排版,若為 Markdown 則會以 Markdown 格式渲染,方便閱讀與確認。
引用來源頁籤 (Retrieved Sources Tab)
顯示本次回答所參考的企業知識庫段落。在 RAG 模式 下會平鋪列出所有檢索到的 Wiki 段落;在 Agent 模式 下則會按工具進行分組,並在分組內對文件標題(Title)進行去重顯示。展開即可看見被 AI 召回的具體文字段落。
執行時序頁籤 (Execution Timeline Tab)
以條狀圖與百分比形式,解構對話生命週期中各階段的耗時分布,包括:
resolveConfig:載入該 Persona 角色設定與系統參數。rateLimitCheck:對話頻率與防刷限流檢查。fetchHistory:從資料庫載入該 Session 的歷史對話脈絡。downloadMedia:處理圖片測試時,下載媒體並轉換為 Tensor 向量。embeddingSearch:將問題向量化,並在向量庫與雲端資料庫中進行檢索讀取。llmGenerate:LLM 推理生成回答並進行前端串流。若在 Agent 模式下有多輪推理,此處會進一步解構為「第 1 次 LLM 請求」、「第 2 次 LLM 請求」等各 Turn 的具體耗時,協助辨識是否發生多次 API 來回。
如何利用 Debug 資訊診斷常見問題
- AI 回答不夠準確或沒有引用知識庫:切換至
引用來源 (Retrieved Sources)頁籤。若此處完全沒有內容,代表向量檢索未被觸發或沒有找到相關文件,請確認知識庫(Wiki)是否已成功編譯,或調整提問的關鍵字以提升語意匹配度。 - 對話響應緩慢(總延遲時間高):展開
執行時序 (Execution Timeline)頁籤,尋找最長的進度條。如果llmGenerate耗時過長,且 LLM 請求次數(Turns)異常多,代表 Agent 陷入了工具呼叫的無窮迴圈(不斷呼叫工具卻無法判定何時收尾),這通常是由於 Persona 的 Prompt 撰寫模糊,或是自訂工具的描述(Description)寫得不夠準確,應重新優化 Prompt 指引。 - AI 產生錯誤回覆或功能故障:切換至
工具呼叫 (Tool Calls)頁籤,檢查是否有標示為紅色紅叉的失敗工具。展開後檢視Input可以確認 LLM 是否錯誤理解參數(例如將日期格式寫錯),檢視Output / Error則能取得 Cloud Function 或第三方 API 報錯的底層錯誤訊息。 - Token 成本暴漲:檢視右上角
In / Out Token數量。若輸入(In)Token 異常的高,表示系統在fetchHistory時載入了過長的歷史對話,或者是 RAG 檢索出的 Wiki 段落字數過多,應評估縮減 Persona 的 Context 長度,或精簡 Wiki 文件。
知識缺口收件匣與信心度標籤
在實際客服運營中,最困擾管理者的往往不是 AI 回答得好不好,而是「不知道顧客問了哪些問題是目前知識庫完全沒有記載的」。Orange AI 內建全自動的「知識缺口與信心度標籤反饋機制」,能在每一次真實對話中即時自評回答的知識基礎,並自動提煉缺失的主題沉澱至收件匣 (Inbox Zero),協助知識庫管理者持續補足企業知識盲區。
1. 實時自評與客觀仲裁
大模型在生成回覆的同時,會同步評定知識狀態(grounded 充分依據 / partial 部分推論 / no_knowledge 無相關知識)與信心度。後端仲裁引擎會自動豁免一般問候寒暄,精確鎖定真正的知識盲點。
2. 輕量 AI 跨語言語意聚合
無論顧客是用繁中、英文還是日文提問,輕量 AI 會在背景自動辨識是否屬於同一主題(例如「八月份門診醫師排班表」),自動彙整到同一張卡片中,並累加遭遇次數([🔥 提問 N 次])。
3. 純粹的 Inbox Zero 待辦
收件匣依遭遇次數由多到少智能排序,並預設呈現前 10 項最熱門缺口。操作員只需在知識庫上傳對應文件,回到收件匣點擊「🗑️ 刪除」即可清空待辦,達成 Inbox Zero。
知識缺口卡片內容解析
熱門度徽章 (Occurrence Badge)
當同一個問題被不同顧客以不同問法提問多次時,卡片頂部會顯示醒目的 [🔥 提問 N 次] 徽章,並自動刷新「最新提問時間」,協助管理者優先搶修高頻率的知識缺失。
缺口智能主題 (Gap Summary)
AI 會將顧客雜亂的問句精煉為具體的缺失主題(例如:『非瑕疵品退換貨運費承擔規則』),讓知識管理者一眼抓住核心關鍵。
相關提問方式清單 (Related Questions)
卡片會展開列出顧客實際問過的所有不同句型、語言與來源渠道(如 LINE、Web、Facebook 等),讓您更深入理解真實顧客的提問習慣與情境。
最佳運營實踐:三步驟快速清空缺口
- 瀏覽收件匣:登入控制台切換至
知識庫 ➔ 待補知識缺口,檢視排名最前面的高頻缺失主題。 - 補充知識文件:切換至
知識庫列表,透過「上傳檔案」或「新增網頁」將包含該解答的文件/手冊匯入系統並完成編譯。 - 刪除已補項目:回到收件匣點擊卡片底部的
「🗑️ 刪除」,即可將該缺口從待辦清單中永久清除。
外部渠道整合
Google 生態系整合
Orange AI 支援深度同步您的 Google 雲端工具,為 AI 客服補足實時動態資訊:
description Google Docs 文件同步
授權您的 Google 帳戶後,可直接選取特定的 Google Docs 文件。系統會實時監聽文件變更,當您修改文件內容,AI 的客服知識庫會在背景自動同步更新。我們嚴格遵循 Limited Use 隱私規範,絕不存取您的非授權檔案。
table_chart Google Sheets 表單存取
您可以允許 AI 將客戶留下的聯絡電話、訂單編號或回饋意見直接寫入指定的 Google Sheets 中。為了避免資料寫入時因 Token 溢出導致解析錯誤,系統內部實作了「分頁截斷與快取寫入」保護機制。
calendar_month Google Calendar 日期預約
藉由整合行事曆,AI 能夠查詢目前空檔時間,並替客戶在 Google Calendar 上預約諮詢時段。前端設有防重複覆寫保護,避免多個使用者同時預約同一時段造成的衝突。
對話狀態管理
在 Orange AI 的 Inbox 客服控制台中,每則對話都會根據人機協作機制的運行處於不同的狀態。這些狀態決定了 AI 代理人是否會自動回覆、客服專員應如何介入,以及如何將控制權釋放給 AI。
| 對話狀態 | AI 自動回覆 | 適用管道 | 核心觸發條件 |
|---|---|---|---|
| 處理中 (Active) | 啟用中 | 所有管道 (Widget, LINE, Messenger 等) | 新對話建立、已封存對話收到新訊息、專員釋放對話 |
| 等待接手 (Waiting for Agent) | 已暫停 (手動回覆) | 所有管道 | 客戶點擊「轉接真人」、AI 偵測到強烈負面情緒或無答案 |
| 有人/專員接手 (Assigned) | 已暫停 (手動回覆) | 所有管道 | 客服專員點擊「接手對話」或手動開啟「真人接手」開關 |
| AI 排程暫停中 (Schedule Paused) | 已暫停 (手動回覆) | 支援排程設定之社群管道 (如 LINE) | 目前系統 local 時間處於該管道設定的非服務時段 |
| 已封存 (Archived) | 已關閉 | 所有管道 | 專員手動將該對話歸檔 / 結案 |
1. 處理中 (Active)
狀態意義:代表該對話正由 AI 代理人主要負責。客戶傳送新訊息時,後端會自動調用大模型 (LLM) 查閱關聯知識庫,產生並自動發送回覆。
UI 呈現:對話列表中,此對話無特殊警示標籤;進入對話視窗後,頂部亦不會顯示任何狀態警告橫幅,輸入框下方顯示「AI 代理人託管中」。
解除與轉移:當系統檢索知識庫後判定無答案、客戶主動點擊「轉接真人」按鈕,或客服專員手動介入時,將轉出此狀態。
2. 等待接手 (Waiting for Agent)
狀態意義:此為人機協作的臨界狀態。代表對話已觸發升級機制,正等待真人客服專員前來處理。在此狀態下,後端 AI 的自動回覆已自動暫停,防止打擾正在排隊的客戶。
UI 呈現:
- 對話列表:對話項目右側會顯示紅色的 需要專員 標籤。
- 詳細視窗:頂部顯示紅色提示橫幅,標示 「此對話需要真人接手處理」,並於橫幅右側提供 「接手對話」 按鈕。
解除與轉移:客服人員點擊 「接手對話」 按鈕後,系統會將 `assignedAgentId` 設定為該專員的帳號 UID,並自動將狀態轉為「已接手」。
3. 有人/專員接手 (Assigned / Human Takeover)
狀態意義:對話目前已由特定的真人客服專員接管(可能是手動接管,或是從「等待接手」分配而來)。在此狀態下,AI 代理人暫停自動回覆,所有的回覆必須由專員手動輸入並傳送。
UI 呈現:
- 詳細視窗:頂部會顯示綠色/藍色的提示橫幅,標示 「您已接手此對話」(若為其他客服人員接管,則顯示 「已由其他專員接手」)。
- 釋放按鈕:如果是您本人接管的對話,頂部橫幅右側會提供 「釋放 (交還AI)」 按鈕。
- 真人接手開關:詳細視窗右上角的 「真人接手」 (Human Takeover) 點選開關會呈現開啟 (ON) 狀態。
解除與轉移:當專員服務完成,點擊橫幅的 「釋放 (交還AI)」 按鈕,或是手動將右上角的 「真人接手」 開關切換為關閉 (OFF) 狀態時,系統會清除 `assignedAgentId` 與 `humanTakeover` 標記,將控制權重新交還給 AI。
4. AI 排程暫停中 (AI Schedule Paused)
狀態意義:此狀態適用於設定了營運時段(Active Service Hours)的社群集成管道(如 LINE 渠道)。當前時間不在 AI 服務時段內時,系統會自動在後端將此對話標記為自動回覆暫停,確保 AI 在特定的營業或非營業時間不會干擾人工客服的自主營運。
UI 呈現:
- 對話列表:對話列表項目旁顯示琥珀色的 AI 排程暫停中 標籤。
- 詳細視窗:詳細對話視窗頂部顯示黃色提示橫幅,標示 「AI 排程暫停中」 並帶有時鐘圖示,提醒專員此時 AI 不會自動發話。
解除與轉移:此狀態受系統時間與後端排程觸發器驅動。當系統 Local 時間回到該渠道設定的 AI 活躍時段時,系統會自動解除暫停並恢復 AI 回覆;或者,管理員在後台修改或停用該管道的「排程設定」,狀態亦會立刻解除。
5. 已封存 (Archived)
狀態意義:代表該對話已被判定服務完畢並結案歸檔。封存後的對話不會出現在主 Inbox 列表中,以保持工作區的整潔與客服效率。
UI 呈現:對話移出主要的「進行中 (Active)」對話列表,只能在 Inbox 的「已封存 (Archived)」分頁或過濾條件中被檢索查閱。
解除與轉移:封存狀態是動態的。當已封存對話的外部客戶再次傳送任何新訊息時,後端 Webhook/Trigger 會自動將該對話的狀態重置為 `active` (處理中),重新放回 Inbox 主列表中,並重新啟用 AI 自動回覆。
對話滿意度與解決率判別
傳統客服系統常依賴「對話結束後彈出 1~5 星評分問卷」來收集滿意度,但往往面臨極低的填寫率與打斷顧客體驗的問題。Orange AI 採用大語言模型(LLM)「單階段推論體驗評估」技術,在每次生成客服回覆的同時,即時深度感知顧客的語意情緒(Sentiment)與核心問題解決狀態(Resolution),自動沉澱為可量化的服務指標,並在顧客感到挫折時主動觸發真人接管。
| 評估維度 | 核心判定標準 | 分類等級 | 收件匣 (Inbox) 視覺標記 |
|---|---|---|---|
|
mood
情緒極性 (Sentiment)
|
分析顧客在「當前訊息」中表現出的情緒態度(感謝、滿意、中性、疑惑、挫折或怒氣) | 正向 (Positive) / 中性 (Neutral) / 負向 (Negative) | 對話項目顯示 thumb_up 正向 remove 中性 thumb_down 負向 |
|
check_circle
解決狀態 (Resolution)
|
評估顧客的前一輪核心訴求與提問是否已得到實質解答或操作指引 | 已解決 (Resolved) / 處理中 (In Progress) / 未解決 (Unresolved) | 標註 check_circle已解決 綠色徽章 |
AI 判別信號與特徵維度
正向滿意 (Positive)
代表顧客表達感謝、滿意或問題獲得實質排除。
典型關鍵字:謝謝、太棒了、搞定了、清楚了、很有幫助、回答得很詳細
行為特徵:收到解答後主動道謝、確認步驟成功、語氣放鬆肯定
中性客觀 (Neutral)
一般性陳述、澄清或初步諮詢(系統預設狀態)。
典型語境:請問營業時間?、我的訂單編號是...、有提供刷卡服務嗎?
行為特徵:首輪發話、客觀補充資訊條件、單純查詢業務資訊
負向不滿 (Negative)
顧客表達困惑、挫折、抱怨、或強烈要求專員。
典型關鍵字:還是不行、看不懂、根本答非所問、轉真人、浪費時間、???
行為特徵:同一問題重複追問多輪無果、使用強烈標點或指責語氣
數據儀表板 (Dashboard) 營運指標
系統會將每一筆即時判別的情緒與解決狀態自動彙整至後台儀表板,管理者可自選 7 天、14 天、28 天或 90 天 觀測區間,量化評估 AI 客服的服務效能:
解決率 (Resolution Rate)
計算已確認解決的對話數量佔整體對話請求的比例。高解決率代表知識庫覆蓋度充足,AI 能自主完成顧客服務閉環,有效分擔真人客服工作量。
正向滿意率 (Positive Rate)
衡量正面與良好互動在整體對話中的比重。結合「滿意度分佈圓餅圖」與「解決趨勢折線圖」,能敏銳捕捉顧客情緒波動,及時發現近期常見的客訴熱點。
自動化防護與人機協作閉環
- 挫折主動轉真人 (Automatic Escalation):當顧客連續出現負向情緒或明確表示「未解決」時,系統會自動將對話標記為「需要專員」,並即刻推播通知在線真人客服接手,防止客訴升級。
- 延伸問題智慧抑制 (Smart Suppression):當顧客處於憤怒或挫折狀態時,AI 會自動停止推薦後續關聯問題,避免在顧客情緒低落時提供過多無關選項而造成干擾。
- 知識缺口自動收錄 (Knowledge Gap Loop):若對話因知識庫不足而導致顧客負評,系統會自動將該問題彙整至「知識盲區」收件匣,供管理者一鍵補入知識庫。
行動裝置 App 推播設定
當系統切換至「待真人接手」時,後台會立刻透過推播通知服務推播緊急通知至真人客服的 Android 或 iOS 行動端 App。
推播憑證與 App 配置
為確保 iOS 行動端 App 能穩定接收推送,您必須在主控台的「App 設定」中上傳有效的 Apple 推播憑證,並確保 App ID 與推播服務中配置的 Bundle ID 保持完全一致。
組織與成員管理
多租戶隔離機制
Orange AI 作為企業級 SaaS 平台,在資料層面採用了嚴格的邏輯隔離設計。每一個組織(Organization)皆擁有完全獨立的雲端資料隔離空間,確保公司 A 的知識文檔與客服日誌絕不會洩漏給公司 B。
成員邀請與安全登入
Orange AI 目前開啟「成員邀請模式」(Invitation Mode),以確保平台的封閉性與企業安全性。在邀請模式下,不開放公開註冊。欲使用本平台,新用戶必須先申請並取得專屬的邀請連結。
邀請模式註冊流程
申請加入 (Request Access)
至登入頁面點擊「申請加入」,填寫完整的申請表單,包括:
- 姓名、公司名稱、職稱
- 工作信箱 (此信箱將做為後續唯一授權的註冊帳號)
- 所屬產業、聯絡電話 (選填)
提交後,系統管理員將進行審核。批准後,您將透過電子郵件收到專屬的邀請連結。
使用邀請連結進行註冊
點擊邀請郵件中的連結,進入註冊頁面 (Email 欄位將自動帶入並鎖定為受邀信箱)。請選擇以下兩種登入/註冊方式之一:
login 方法 A:使用 Google 帳戶登入
點擊「使用 Google 登入」。請確保您所選擇的 Google 帳戶 Email 與受邀的工作信箱完全一致。系統驗證成功後,會自動與您的 Google 帳號完成綁定,無需另行驗證信件。
mail 方法 B:使用 Email / 密碼註冊
填寫您的姓名與登入密碼,點擊「註冊」。註冊成功後,系統將發送電子郵件驗證信。請點擊驗證信中的連結完成驗證。此時系統會自動偵測驗證狀態並跳轉至主頁面,您亦可手動點擊「我已完成驗證」以加快跳轉。
* 自訂寄件者與限流安全保護:驗證郵件將由 no-reply@orangeai.tw 發送(採用 Resend 服務),若未收到郵件,請檢查垃圾信箱。為避免伺服器頻繁發信,系統設有 60 秒發信頻率限制。若需要重新發送,請在 App 內等待 60 秒後再點擊「重新發送」。
邀請防護與大小寫規範
為確保註冊安全,後端會執行 beforeUserCreated 阻擋函數。如果信箱未在受邀名單中,註冊會被拒絕。請確保註冊時的電子郵件大小寫與受邀信箱完全相同(系統將自動轉換為小寫進行最嚴謹的比對)。
Apple 登入「隱藏信箱」限制
使用 Apple Sign-In 時,請勿勾選「隱藏我的電子郵件」,否則產生的隨機轉發信箱將無法核對您的邀請資格,導致註冊被後端攔截阻擋。
忘記密碼與密碼重設流程
如果您忘記了登入密碼,請依照以下步驟重設密碼以重新取得控制台存取權:
提交重設申請
在登入頁面點擊「忘記密碼?」,在彈出的對話框中輸入您註冊的電子郵件,然後點擊「發送重設連結」。
收取密碼重設郵件
開啟您的信箱收取主旨為「[Orange AI] 重設您的登入密碼」的郵件(由 no-reply@orangeai.tw 寄出),點擊信中的「重設密碼」按鈕。
* 防刷與安全限制:為保障伺服器安全,系統設有 60 秒發信頻率限制。多次重複點擊會被鎖定限制,需等待冷卻秒數。若帳號不存在,系統基於防時序攻擊考量仍會提示發送成功,但不會實際寄出信件。
設定新密碼
連結將直連並載入本專案控制台的密碼重設頁面。輸入您的新密碼(長度需至少 6 個字元)並再次輸入以確認,然後點擊「提交」。
* 安全與自動跳轉:在輸入重設密碼期間,系統會自動在行動裝置啟動防螢幕截圖保護以保障憑證安全。成功提交後,網頁將顯示成功訊息,並在 3 秒後自動重定向跳轉回登入頁面。
組織申請與建立流程(既有用戶與新用戶)
當平台處於「邀請模式 (Invite Mode)」時,無論是尚未註冊的新用戶,或是欲協助客戶建立組織的既有用戶(經銷商 / 代理商),均可透過登入頁面的「申請加入」功能提交組織創立申請。
非用戶(新使用者)申請路徑
- 於登入頁點擊「申請加入」,填寫姓名、公司名稱、工作信箱 (Email)、產業、職稱與聯絡電話。
- 提交後系統會發送通知信給超級管理員 (Super Admin) 進行審核。
- 申請獲批准後,系統自動產出預設試用方案 (Trial Plan) 之組織與專屬邀請連結。
- 新用戶點擊連結於註冊頁面設定帳密或進行社交登入,完成開通並自動成為該組織的管理員 (Admin)。
既有用戶(經銷商 / 多組織)申請路徑
- 經銷商使用既有帳號之 Email 於「申請加入」頁面填寫新組織資料。
- 系統自動識別為既有用戶,於管理員後台標示「既有用戶 / 經銷商」徽章。
- 申請獲批准後,既有用戶無需重新註冊。
- 經銷商登入原帳號前往「組織選擇器 (Organization Selector)」,畫面上會自動浮現該新組織的邀請卡片,點擊「加入」即可直連接管新組織。
管理員邀請團隊成員
- 新增邀請:管理員可在控制台「成員管理」中輸入對方的信箱與角色,系統會向該成員發送邀請郵件。受邀成員點擊郵件中的連結,即可依照上述流程(Google 登入或 Email/密碼)註冊加入您的組織。
角色與操作權限
為滿足企業協同作業與安全防護需求,Orange AI 支援精細的角色權限控管。系統內的組織成員主要分為以下三種角色:
管理員 (Admin)
擁有組織的最高管理權限。負責整體的團隊管理、計費方案與系統核心配置。
- 邀請或移除團隊成員
- 存取計費、方案與用量數據
- 完整設定代理人人設與工具
- 接管並回覆真實用戶對話
知識管理員
核心職責為維護知識庫與優化 AI 表現。專注於 RAG 資料編譯與 AI 人設微調。
- 上傳、刪除與編譯知識庫文件
- 修改 AI 代理人系統提示詞 (Prompt)
- 設定與編輯外部第三方工具
- 唯讀存取歷史對話做為優化參考
客戶服務 (Agent)
專注於第一線的客戶服務。負責手動接管 AI 對話並與真實用戶直接溝通。
- 即時監控客服信箱與渠道對話
- 手動接管 AI 並直接回覆真實用戶
- 使用 Rag Tester 模擬器進行測試
- 無權變更任何系統或知識庫設定
知識管理員的對話限制說明
為確保客戶服務的專一性,知識管理角色被嚴格禁止回覆真實用戶。系統會在 UI 介面自動隱藏對話輸入框、接管按鈕與狀態選項,且後端存取規則與伺服器端驗證亦會嚴格攔截對真實對話的寫入操作。知識管理員僅能透過「對話測試 (Rag Tester)」與 AI 進行模擬對話。
角色權限邊界對照表
| 功能權限項目 | 管理員 (Admin) | 知識管理 (Knowledge Manager) | 客戶服務 (Agent) |
|---|---|---|---|
| 知識庫管理 (增刪改文檔) | ✅ 允許 | ✅ 允許 | ❌ 禁止 |
| 代理人設定 (修改系統 Prompt) | ✅ 允許 | ✅ 允許 | ❌ 禁止 |
| 工具市集 (新增/編輯外部工具) | ✅ 允許 | ✅ 允許 | ❌ 禁止 |
| 對話測試 (Rag Tester 模擬器) | ✅ 允許 | ✅ 允許 | ✅ 允許 |
| 回覆真實對話 (Inbox 接管與回覆) | ✅ 允許 | ❌ 禁止 | ✅ 允許 |
| 組織設定 (帳單、配額、系統設定) | ✅ 允許 | ❌ 禁止 | ❌ 禁止 |
| 團隊成員管理 (邀請/移除成員) | ✅ 允許 | ❌ 禁止 | ❌ 禁止 |
LINE 工作夥伴(Coworker)
把 LINE 的一對一對話或群組綁定為組織的「工作夥伴」後,Orange AI 在這個對話裡會以內部同事的身分回答您的問題,例如「昨天客服接了幾通對話?」、「品牌健檢有沒有進步?」。不必打開後台,就能在 LINE 上掌握組織的營運狀態。
一般客服對話
- 對象是客人,依代理人(Persona)的設定回覆
- 使用知識庫、真人轉接、營業時間等客服功能
- 出現在收件匣,並計入客服統計
工作夥伴對話
- 對象是組織內部成員,以同事的角度回答營運問題
- 只能查詢,不能修改任何設定或資料
- 不出現在收件匣,也不計入客服統計與客服用量
使用前提
- 組織已啟用客服模組,並已在「頻道」頁新增、啟用 LINE 頻道(工作夥伴透過您的 LINE 官方帳號使用)。
- 只有管理員可以新增、設定或解除工作夥伴。
綁定步驟
產生綁定碼
在側邊欄進入「成員」頁,切換到「LINE 工作夥伴」分頁,點選「新增工作夥伴」。系統會產生一組綁定指令(例如 BIND 123456)。綁定碼為 6 位數字,10 分鐘內有效且只能使用一次;重新產生後,舊的綁定碼會立即失效。
在 LINE 傳送指令
person 綁定個人帳號
先加官方帳號為好友,再以私訊傳送綁定指令。
groups 綁定群組
先邀請官方帳號進群組,再於群組中傳送綁定指令(可以先 @官方帳號)。
完成綁定
App 上的對話框會自動顯示「綁定成功」,工作夥伴清單也會出現這個對話。之後在 LINE 直接提問即可。在群組中,必須 @官方帳號才會回應;沒有 @ 的訊息會被當成成員之間的閒聊。
可以問什麼
| 類別 | 內容 | 問法範例 |
|---|---|---|
| 客服統計 | 對話量、真人接手數、解決率、正面評價比例等,一次最多查詢 92 天,計算方式與總覽看板一致 | 「上週的解決率是多少?」 |
| 頻道 | 各頻道的類型、名稱、啟用狀態、營業時間與綁定的代理人 | 「LINE 頻道的營業時間是幾點?」 |
| 代理人設定 | 代理人的設定摘要與已開啟的工具 | 「客服代理人有開真人轉接嗎?」 |
| 品牌改善待辦 | 依優先度列出待處理的改善項目,排序與「改善待辦」頁一致 | 「品牌現在最該先處理什麼?」 |
| 品牌健檢摘要 | 最近一次健檢的結果,以及和上一次可比較的健檢相比,各項指標是進步還是退步 | 「這次健檢有比上次好嗎?」 |
- 只能查詢,不能修改:要求修改設定或標記待辦完成時,工作夥伴會說明無法在這裡修改,並附上 App 對應頁面的網址與側邊欄位置,在 LINE 上可直接點開。
- 品牌相關問題需要組織已啟用品牌模組並完成設定精靈;未啟用時會直接告知。
- 員工、請假、出勤等企業資料目前尚未提供查詢,工作夥伴會直接說明,不會猜測。
- 工作夥伴會用您提問的語言回覆。為避免濫用,提問頻率與單則訊息長度設有上限。
主動提醒
在工作夥伴卡片上點選「提醒」,可以為每個工作夥伴分別開關以下事件。預設全部關閉,開啟後事件發生時會主動傳訊息到這個 LINE 對話。
front_hand真人轉接
客人需要真人接手時通知,附頻道、客人名稱與時間。
receipt_long新訂單/預約
客人在對話中確認訂單或預約時通知;員工在 App 建立的訂單不會提醒。
data_usage用量與合約警示
AI 用量或儲存空間達 80%、100%,以及方案即將到期或已到期時通知。
task_alt品牌健檢完成
自動或手動品牌健檢完成時通知,並附上報告頁面網址,可以接著直接追問結果。
- 避免洗版:「真人轉接」與「新訂單/預約」第一筆會立即送出,之後 10 分鐘內的同類事件會合併成一則「過去 10 分鐘另有 N 筆」。
- 內容精簡:提醒只包含摘要與 App 網址,不會帶出客人的訊息內容或訂單欄位的值。
- 語言:依組織設定的語言送出。
- 工作夥伴記得最近收到的提醒,可以直接追問,例如「剛剛那則轉接是哪個頻道?」。
提醒會使用 LINE 訊息額度
主動提醒會使用 LINE 官方帳號的每月訊息額度(與客服共用),群組依成員人數計算。額度用盡時提醒無法送出,工作夥伴卡片的名稱旁會顯示警示圖示。
對話記憶
- 工作夥伴會參考最近的問答來理解您的追問;較早的內容會自動整理成摘要,保留主題、偏好(例如「請用條列」)與未完成的事項。
- 對話中出現過的數字是當時的查詢結果。問到「現在」的數字時,工作夥伴會重新查詢,不會沿用舊數字。
- 群組中沒有 @官方帳號的閒聊只用來理解提問的背景,工作夥伴不會回應或轉述這些閒聊,也不會把閒聊寫進摘要。
- 在工作夥伴卡片上點選「清除記憶」,AI 會忘記這個對話先前的內容並重新累積;已傳送的 LINE 訊息不受影響。摘要內容無法在 App 中檢視或編輯。
解除綁定
解除後,這個對話會回到一般客服流程,由代理人以客服身分回覆。以下情況會解除綁定:
- 管理員在工作夥伴卡片上點選「解除」
- 官方帳號被移出群組
- 在 App 中刪除這個對話,或刪除所屬的 LINE 頻道
* 停用頻道不會解除綁定,只是暫停回應;一對一的使用者封鎖官方帳號也不會自動解除。重新綁定時,記憶會從空白開始。
綁定群組前請確認成員
- 綁定只能確認「這個對話」已被授權,無法辨識群組裡是哪位成員在提問。群組內所有成員都能查詢組織的營運資料,也看得到提醒內容(包含客人名稱)。請確認群組裡沒有外部人士。
- 群組成員共用同一份對話記憶。
- 客服統計以 UTC 00:00 為一天的分界(台灣時間為每天 08:00),工作夥伴回報統計時會一併註明。
用量計費與配額限制
在控制台的「方案與計費」頁面中,您可以實時監控當月的用量指標:
訂閱方案限制對照表
| 方案類型 | 每月 API Tokens 上限 | 檔案儲存空間上限 | 知識庫數量上限 | 代理人設定上限 |
|---|---|---|---|---|
| inactive (已停用) | 0 Tokens | 0 GB | 0 | 0 |
| trial (試用版) | 1,000,000 Tokens | 1 GB | 1 個 | 1 個 |
| basic (基礎版) | 3,000,000 Tokens | 1 GB | 10 個 | 5 個 |
| plus (進階版) 推薦 | 10,000,000 Tokens | 10 GB | 無限制 | 無限制 |
add_circle 加購 Token 與儲存容量額度
當您的每月基礎 Token 額度(NT$2,000 / 100 萬 Token)或儲存容量(NT$2,000 / 10 GB)不足時,超級管理員可在後台隨時透過 +1M / +10 GB 加購 功能擴充可用額度。加購額度採用以下機制:
基礎優先消耗
每次 AI 使用 Token 時,系統會優先從方案的基礎額度扣除。只有在基礎額度完全耗盡後,才會開始使用加購的額度。
跨月結轉,永不過期
加購的 Token 與容量額度若本月沒有用完,將自動結轉至下個月繼續使用,不設期限。直到實際消耗完畢或超級管理員手動調整為止。
支援每月自動加值
管理員可在後台開啟「每月自動加值」開關,設定每月自動續補指定的加購 Token (1M) 或容量 (10 GB) 額度,省去手動維護的繁瑣。
calculate 一則訊息會消耗多少 Tokens?不同情境與設定估算指南
在 AI 智慧客服系統中,每次與使用者的對話回覆所消耗的 Token 數量並非固定值,而是由「輸入 Token (Prompt / Context)」與「輸出 Token (Completion)」共同組成。了解 Token 的生成原理與影響因素,能幫助您更有效地配置人設參數與控制運算成本。
pie_chart 單則對話的 Token 組成架構
- check_circle 系統人設與安全規則:Persona 角色提示詞、核心安全護欄、時間資訊與頻道排版規則(約 400 ~ 900 Tokens)。
- check_circle 擴充工具定義 (Schemas):每啟用一個擴充工具(如日曆、試算表、爬蟲),需將其參數結構注入提示詞(每工具約 150 ~ 350 Tokens)。
-
check_circle
歷史上下文與多模態:依
chatHistoryLimit載入的歷史對話,以及最近 1 張歷史圖片(每輪約 100 ~ 400 Tokens,圖片約 258 Tokens)。 - check_circle 使用者問題與圖片:客戶發送的文字(約 10 ~ 150 Tokens)與上傳的圖片(每張約 258 ~ 500 Tokens)。
-
check_circle
RAG 知識庫檢索切塊:呼叫知識檢索時回傳的
retrievalCount筆知識段落(約 1,000 ~ 2,500 Tokens)。
- check_circle 工具呼叫參數 (Tool Calls):AI 發起知識搜尋或外部 API 時生成的搜尋關鍵字與結構化參數(約 20 ~ 50 Tokens)。
- check_circle 客服最終生成回覆:AI 回覆給客戶的繁體中文客氣話術、排版清單與解答(約 100 ~ 600 Tokens)。
- check_circle 推理思考與體驗標籤:Thinking 模式產生的內部思考 Tokens,以及自動判斷的滿意度情緒 (CSAT) 與推薦延伸問題。
輸入 Tokens (In) + 輸出 Tokens (Out)。若觸發多輪 Tool Calling,各輪的輸入與輸出將累加計入該則訊息。
table_chart 不同對話情境的單則 Token 消耗預估表
以下數值基於標準人設與預設參數實測統計| 對話情境 (Scenario) | 推論機制與行為 | 預估輸入 (In) | 預估輸出 (Out) | 單則總消耗 (Total) | 常見範例與說明 |
|---|---|---|---|---|---|
| 1. 基礎問候與簡短閒聊 | 單輪推論,無知識庫檢索、無工具調用 | 800 ~ 1,500 | 50 ~ 150 | 850 ~ 1,650 | 「你好」、「早安」、「請問你們客服時間?」等直接招呼 |
| 2. 標準知識庫問答 (RAG) 最常見 | 雙輪推論(Turn 1 發起搜尋 + Turn 2 讀取 5 筆知識切塊並生成回答) | 2,500 ~ 4,500 | 200 ~ 500 | 3,000 ~ 5,000 | 詢問退換貨政策、商品規格、會員權益、操作步驟等企業專屬知識 |
| 3. 多模態圖片辨識問答 | 雙輪推論 + 1~2 張圖片解析 + 知識庫比對 | 3,500 ~ 5,800 | 200 ~ 600 | 4,000 ~ 6,500 | 客戶上傳瑕疵商品照片、故障錯誤截圖請 AI 協助判斷排查 |
| 4. 複雜多工具聯動查詢 | 多輪推論 (2~3 輪),跨工具調用(日曆 + 表單 + 爬蟲) | 5,000 ~ 10,000 | 300 ~ 800 | 5,500 ~ 11,000 | 「幫我查下週五下午是否有空檔並寫入預約表」,需多步驟驗證與執行 |
| 5. 社群群組對話 (LINE) | 依模式分流:標記時回覆 (同 RAG) / 每句都回覆 (每句觸發) | 800 ~ 4,000 | 50 ~ 300 | 1,000 ~ 4,000 | 強烈建議群組採用「標記時回覆 (Mention Only)」以節省額度 |
| 6. 真人接管 / 安全阻擋 | 後端直接攔截,不呼叫主語言模型 | 0 | 0 | 0 (不計費) | 客服人員接管中,或越獄攻擊被 Pre-flight 輕量安全網阻擋 |
tune 關鍵設定對 Token 消耗的影響與優化建議
預設為 6 則 (3 輪)。在長對話中,若調高至 10~20 則,每次推論都會帶入大量歷史訊息,使 In Token 增加 1,500 ~ 3,000。單純 Q&A 場景可調降為 2~4 則 以節省用量。
預設為 5 筆 (約 1,500 Tokens)。若您的知識庫已透過 LLM Wiki 自動編譯出高精準綱要,可適度調整為 3 筆,能立即減少約 600 Tokens 輸入量並加快回應速度。
僅開啟業務真正需要的工具。避免無目的地勾選過多外部 API 工具,可減少 System Prompt 基礎負載 (每個工具約 200 Tokens) 並降低 AI 誤觸多輪思考的機率。
純文字客服建議直接設為 0 (停用圖片辨識),徹底杜絕圖片帶來的額外 Token 消耗與下載開銷;若需要圖片支援,建議設為 1~2 張。
Gemini 3.7 Flash 為最佳主力(混合推理與自動調節思考深度);超高頻省 Token 建議 Claude Haiku 4-5 或 Gemini 2.5 Flash;深層長文決策選 Claude Opus 4-7。
在 LINE / 社群群組中,務必設定為 「標記時回覆 (Mention Only)」,避免群組內所有日常閒聊重複觸發 AI 推論造成 Token 迅速耗盡。
lightbulb 我的訂閱方案每月大約能支撐多少對話量?
• 基礎版 (3,000,000 Tokens/月):約可支援 850 ~ 1,000 則 標準 RAG 知識問答,或 1,500 ~ 2,000 則 綜合客服對話。
• 進階版 (10,000,000 Tokens/月):約可支援 2,800 ~ 3,500 則 深度知識問答,或 5,000 ~ 8,000 則 綜合客服對話。
• 加購額度 (+1M Tokens / NT$2,000):每 100 萬 Token 約可額外支撐 250 ~ 350 則 知識問答,跨月結轉永不過期。
常見問題與排障
常見故障排除指南
以下彙整了使用 Orange AI 時可能遇到的常見技術問題與對應的排除方式:
Q1. AI 客服陷入無窮工具呼叫或回答「Exceeded maximum tool call iterations」?
這通常發生在 AI 無法在您的知識庫中找到明確解答,卻又不斷嘗試使用知識庫搜尋功能重試的情況。本系統已內建防護機制,當工具呼叫次數過多時會自動觸成截斷。若遇到此問題,請檢查您的客服人設提示詞,或在知識庫中補充缺失的內容。
Q2. FB 或 IG 的私訊 Webhook 完全沒反應?
請前往 FaceBook App 開發者後台,確認 Webhook 設定中已勾選了 messages、messaging_postbacks 等必要訂閱事件。另外,請確認 Meta 的應用程式是否已正式發佈(非開發者模式),否則非測試人員帳號傳送的訊息將無法被接收。
Q3. 手機收不到真人客服呼叫通知?
請管理員至主控台「App 推播設定」檢查推播憑證是否過期。若憑證正常,可能是客服人員的行動 App 被系統收回了通知權限,請嘗試在手機設定中重新允許 Orange AI 的通知發送,或在 App 內登出後重新登入以刷新推播通知註冊。
Q4. 上傳「知識庫文件」或「網頁網址」時,系統中的「知識庫」與「Wiki」有什麼不同?運作機制是什麼?
當您為 AI 客服提供文件或爬取網頁時,系統會同時生成這兩種知識檢索載體,以達到最佳的回答效果:
- 知識庫 (RAG):系統會將原始文件切分為最適合的片段。當用戶詢問具體的細節、條款或數據時,AI 能精確比對並引用最原始的文字段落。
- LLM Wiki:系統會在背景自動彙整您新上傳的內容與現有 Wiki,透過 AI 進行去重與重新組織,編譯成主題式的知識百科頁面。它能提供 AI 連貫且全面的大局觀背景資訊。
如何協同運作? AI 客服會自動且智慧地處理這兩種資料。回答時,系統會優先檢索 Wiki 頁面來建立大局理解;若發現 Wiki 資訊不足,則會自動延伸搜尋知識庫 (RAG) 的原始細節,確保回答既完整又精確,您無需手動進行切換或設定。
Q5. 為什麼我的 AI 客服回覆突然出現 "## Tool Call" 或 "wiki_search" 等工具呼叫代碼?
這通常是因為「提示詞指令」與「AI 運作模式」不匹配所引起的 LLM 認知衝突:
- 資料搜尋模式 (RAG Mode):系統會在背景先完成外部知識檢索,再將結果提供給 AI,此時 API 中並未提供 tools 參數。若您在人設提示詞中命令 AI
必須呼叫 wiki_search/rag_search 工具,AI 為了服從指令,只能在文字回覆中直接「模擬輸出」Tool Call 代碼。 - 智能代理模式 (Agent Mode):此模式下,系統會將 tools 提供給 AI,讓 AI 能夠自主使用 API 的 Function Calling 決定何時調用工具,不會把代碼吐給用戶。
如何解決?
1. 若使用 RAG 模式:請修改人設提示詞,移除所有「要求 AI 呼叫工具」的字句,改為「請依據系統提供的參考資料/知識庫內容進行回覆」即可。
2. 若需要自主工具呼叫:請在控制台將該 Persona 的「模式(Mode)」從「資料搜尋 (RAG)」切換為「智能代理 (Agent)」。
Q6. 外籍用戶使用英文(或其他語言)提問時,為什麼 AI 客服有時仍會使用中文回覆?該如何解決?
這通常是由於客服人設(Persona)中存在「寫死引號的中文固定話術」(例如:統一回覆:「為了保障您的健康,建議還是讓醫師實際評估...」)所引起的「字面錨定效應(Literal Anchoring)」。在此情境下,模型會將中文引號內的內容視為強制輸出的常數模板,其執行權重在推理時高於「語言同步」指令,導致直接複製貼上中文。
如何解決?
- 避免引號寫死:請不要在人設提示詞中包含用引號包起來的中文固定回覆文字。
- 語意要素原則重構:將固定回覆重構為「核心要素原則」,僅定義 AI 必須表達的資訊維度(如:健康保障關懷、專業評估必要性、行動引導),並明確命令模型依使用者語言動態轉譯,促使 AI 使用用戶的語言動態生成最適合的客製化回覆。
💡 最佳實踐: 詳細的 Prompt 重構對照範例與指南,請參考專案技術知識庫 LLM 語言同步與字串錨定優化指南。
Q7. 真人客服在後台收件匣 (Inbox) 回覆 LINE 顧客時,為什麼顧客有時會收不到訊息?
這通常是因為「顧客發話超過 50 秒才進行回覆」且您的「LINE 官方帳號當月訊息推播配額已耗盡」所致。底層機制與排查對策如下:
1. LINE 訊息發送機制與配額限制
- 即時免費回覆 (Reply Message):顧客發送訊息至官方帳號後,LINE 系統會提供一個短暫的回覆權杖(有效時限約 60 秒,系統防禦設為 50 秒以內)。若客服專員或 AI 把握在此時間窗口內回覆,訊息完全免費且不佔用 LINE 官方帳號的每月推播額度。
- 逾時主動推播 (Push Message):若專員在顧客發話超過 50 秒後才手動回覆(或對話中無有效回覆權杖),系統將自動降級改調用 LINE 主動推播 API。此時,該則訊息將嚴格扣除該官方帳號當月的訊息發送額度。
- 配額用盡熔斷 (HTTP 429):若該官方帳號當月的訊息配額已全數用盡(例如免費用量 200 則/月),LINE 伺服器將直接拒絕所有推播請求(回傳 HTTP 429 Too Many Requests)。系統為保護運作穩定會攔截此錯誤,導致逾時發送的訊息無法成功投遞給顧客。
- 群組倍數扣額提醒:若官方帳號加入了 LINE 多人群組,向群組發送 1 則推播將扣除「群組內總人數」的訊息額度,可能造成配額極速消耗。
2. 如何確認是否為配額耗盡?
- 登入 LINE Official Account Manager (LINE 官方帳號管理後台)。
- 點選右上角「設定」→「帳號與方案」或左側導覽「分析」→「訊息」。
- 檢查當月「已傳送訊息數」。若數值已達方案上限(例如顯示
200 / 200),即代表推播額度已用完。
3. 應對方案與操作建議
- 應急替代方案(完全免費):在配額用盡期間,專員可直接開啟電腦版 LINE Official Account Manager 網頁 或手機下載 LINE 官方帳號 App,在官方的「一對一聊天室」中直接回覆顧客。LINE 官方規範後台真人 1 對 1 聊天完全免費且不佔用推播額度(即使月額度顯示已滿仍可正常交談)。
※ 注意:受限於 LINE 原廠 API 限制,在 LINE 官方後台打字發送的訊息不會同步回本系統收件匣中。 - 長治久安解法:請至 LINE 官方後台將帳號升級至「中用量」或「高用量」月費方案,或開啟「加購訊息」。升級後,系統後台的收件匣發送功能將立即完全恢復。
- 日常操作建議:建議客服團隊培養習慣,在顧客發訊後的 50 秒黃金時間內於收件匣快速點擊回覆,即可持續享有免費回覆特權,避免浪費推播額度。
Q8. 串接 Facebook 粉絲專頁後,需要關閉 Meta Business Suite 後台的原生歡迎訊息/即時回覆嗎?
強烈建議關閉!這是確保對話品質與避免訊息衝突的業界最佳實踐。
1. 為什麼建議關閉 Meta 原生歡迎訊息?
- 避免雙重迎賓撞車:若 Meta Business Suite 與 Orange AI 同時發送歡迎訊息,新顧客在點入私訊時會瞬間連續收到兩則問候(一則為 Meta 原生固定罐頭、一則為 Orange AI 智慧問候語),不僅造成客戶困擾,亦顯得系統不夠專業。
- 杜絕真人接管誤判:Meta Business Suite 的原生即時回覆是以粉絲專頁管理員的名義經由 Webhook (Echo) 推送。若未適當設定,可能會干擾真人手動接管的判斷。將迎賓職責完全交付 Orange AI,可確保發送端點與狀態判定完全可控。
2. 建議的操作步驟
- 登入 Meta Business Suite 後台。
- 點選左側導覽列的「收件匣 (Inbox)」→ 點選右上角的「自動化 (Automations)」。
- 找到「即時回覆 (Instant Reply)」與「歡迎訊息 (Welcome Message)」,將其開關切換為關閉 (Off)。
- 回到 Orange AI 管理控制台,在「代理人設定 → 問候語」中設定您專屬的 AI 迎賓詞即可。
3. 若因特殊業務需求必須保留 Meta 原生歡迎訊息?
若您的團隊無法關閉 Meta 原生回覆,請務必至 Orange AI 控制台的「頻道設定」→「Facebook 設定」,於「忽略 Echo 關鍵字」輸入框中填入您在 Meta 設定的歡迎詞特徵關鍵字(例如:感謝您的來信、稍後為您服務),Orange AI 將會透過白名單機制自動過濾,避免中斷 AI 的日常客服服務。
社群渠道與真人接管機制
Orange AI 能無縫串接您的 LINE、Facebook Messenger 與 Instagram Direct Message 等社群渠道:
Webhook 訊息傳遞與 Echo 防護
社群平台透過 Webhook 與我們的後端進行即時通訊。特別是在 Instagram 上,系統配有先進的過濾規則,能防止 AI 誤判自己發送出去的「Echo 訊息」為客戶新訊息,進而避免產生無窮對話。
mark_chat_read Facebook 歡迎訊息 (即時回覆) 設定與衝突防護
當您將 Facebook 粉絲專頁串接至 Orange AI 時,系統會透過 Webhook 即時監聽並接管粉專訊息,由具備智慧知識庫檢索與專屬人設的 AI 代理人提供統一的迎賓與客服服務。
⚠️ 強烈建議關閉 Meta 原生歡迎詞:
若您先前曾於 Meta Business Suite 後台(收件匣 → 自動化 → 即時回覆 / 歡迎訊息)開啟原生自動歡迎訊息,強烈建議在 Meta 後台將其關閉,並改由 Orange AI 的「代理人設定 → 問候語」統一推播。
感謝您的來信),以確保系統能精準過濾。真人客服接管機制
當 AI 檢索知識庫後無法回答、客戶觸發「轉接真人」按鈕,或者 AI 判斷客戶有強烈情緒波動時,系統會自動將此對話切換至待真人接手狀態。此時 AI 將會暫停自動回覆,直到真人客服完成服務並點擊「釋放 Agent」為止。
LINE 與社群排程設定機制
當您在渠道設定中為 LINE 等社群渠道啟用「排程設定」(例如:僅在非營業時間啟用 AI,或設定特定服務時段)時,系統會自動在非服務時間或特定排程時段將對話的自動回覆狀態設為暫停。
💻 Inbox 控制台提示與影響:
LINE 群組與多人對話回覆機制
當 LINE 帳號被加入群組或多人聊天室時,您可以進入該頻道的進階設定調整 AI 的回覆行為。系統提供以下兩種模式:
⚠️ Token 計費與隱私警示:
啟用「每句都回覆」模式將會大幅增加 AI Token 的消耗量與維運費用;此外,群組內的所有對話都將被傳送至 AI 處理,請謹慎使用。