Industry RAG
Definition診所衛教 RAG 是什麼
診所衛教 RAG 是一套只用院內衛教與行政文件回答病人問題、且每則答案都標示出處的檢索式 AI 客服。
Key Takeaways
- RAG 全名為檢索增強生成，先檢索院內文件、再由 AI 生成答案，不憑空編造。
- 回答範圍限縮在門診須知、檢查準備、掛號流程等行政與衛教知識，不做個別診斷或處方建議。
- 每則答案帶出處，指向來源衛教單張或官網頁面，病人與櫃檯都能回查驗證。
- 查無資料時明確回覆不知道並轉真人，避免 AI 幻覺誤導病人。
- 機敏病歷、檢驗報告、個資一律界定為不進知識庫，只放去識別化的公開衛教內容。
Pain高雄診所的真實痛點
高雄三民、左營一帶的家醫科、耳鼻喉科、腸胃科診所，櫃檯每天要重複回答同一批問題：胃鏡前一天怎麼吃、抽血要不要空腹幾小時、初診要帶什麼、健保卡忘了帶怎麼辦。這些問題八成落在下午診尖峰，一支電話往往佔用櫃檯人員三到五分鐘，同時病人在現場排隊，兩頭都被拖住。
情境範例三民區一間家醫科的尖峰現場
我在高雄三民區經營一間家醫科診所，兩名櫃檯、單一診間，每日約看診一百二十人次。統計過一週的來電，發現約四成、每天近五十通都是門診須知與檢查準備的重複問題，光這一項每天就吃掉櫃檯將近三小時，忙起來病人問診前的注意事項根本講不完整。
更麻煩的是資訊分散：衛教單張在抽屜、檢查須知在官網、公告在 LINE 群組，版本各不相同。病人在 LINE 官方帳號問一句，值班人員得翻三個地方才敢回，回得慢、還可能回到舊版本，準備事項一旦講錯，隔天病人白跑一趟。
這正是需要 AI 落地顧問把知識收斂的場景。賴家榮，甫東科技創辦人、SAIP 台灣首席 AI 長、SGS AI 認證；16 年帶團隊為超過 500 家企業做過系統與 AI 導入；服務高雄、台南、屏東、嘉義的中小企業主管與第一線團隊；開發時用 Claude AI、Codex、Antigravity 三工具分工。他的做法是先把散落文件統一版本、界定機敏資料邊界，再用 RAG 把衛教知識變成病人能自助、櫃檯能信任的即問即答。
SolutionRAG 解法：痛點→做法→可量化效益
落地不是把診所所有資料丟給 AI，而是針對每個具體痛點設計對應做法，並用可量化指標追蹤成效。以下把診所最常見的四類痛點，對照 RAG 的具體做法與可觀察的效益。
| 痛點 | RAG 做法 | 可量化效益 |
|---|---|---|
| 重複來電問門診須知 | 把門診須知、營業時間、看診流程切分入庫，於 LINE 官方帳號自動回覆並附出處 | 重複性來電估可降約三到五成，尖峰櫃檯每日約省二至三小時 |
| 檢查準備講不完整 | 胃鏡、超音波、抽血等準備事項建成問答條目，病人就診前自助查詢 | 檢查前準備完整度提升，因準備不足改期的比例估可降約兩成 |
| 衛教資訊版本不一 | 統一來源文件、標註更新日期，答案一律帶出處連回官方單張 | 回覆一致性提升，避免回到舊版資訊造成的白跑 |
| 非診療問題耗真人時間 | 掛號、退掛、補卡等行政問題交 AI 先答，查無或涉診療即轉真人 | 真人只處理需判斷的案件，人力聚焦在現場病人 |
SOP標準導入流程 SOP：Claude × Codex × Antigravity
以下內容基於 2026 年 7 月各工具版本。導入分七步，工具分工明確：Claude AI 負責文件理解與衛教語意切分、Codex 負責檢索與出處控制的程式實作、Antigravity 負責在 LINE 與官網介面整合與試運行。醫療內容涉及合規，末步務必人工複核。
1需求與邊界釐清Claude AI
輸入櫃檯高頻問題清單、來電統計
動作歸類問題、界定可回覆範圍與禁區
產出衛教問答範圍表與機敏資料排除清單
負責角色AI 導入顧問
常見地雷把個別診療問題誤列入可回覆，須明確排除
2文件清理與去識別Claude AI
輸入衛教單張、官網須知、公告
動作統一版本、去除病歷與個資、標更新日
產出乾淨可進庫的衛教文件集
負責角色資料整理者
常見地雷夾帶真實病人資料或檢驗數據進庫
3衛教語意切分Claude AI
輸入乾淨衛教文件集
動作依主題切分為可獨立閱讀的段落並標來源
產出帶來源標記的知識區塊
負責角色內容切分者
常見地雷切太碎導致答案失去前後文
4向量索引與檢索Codex
輸入知識區塊
動作建立向量索引與相似度檢索
產出可檢索的知識庫
負責角色檢索工程
常見地雷只回最相近一段，漏掉互補資訊
5生成與出處控制Codex
輸入檢索結果
動作限定僅依檢索內容生成、強制附出處、查無回不知道
產出帶出處的回答服務
負責角色生成控制
常見地雷未設查無守則導致 AI 自行編造
6介面與整合Antigravity
輸入回答服務 API
動作接上 LINE 官方帳號與官網問答框
產出病人可用的問答入口
負責角色整合工程
常見地雷未設轉真人按鈕，急件卡在機器人
7試運行與人工複核Claude AI＋人工
輸入真實提問樣本
動作抽樣核對答案正確性與出處
產出上線核可與待修清單
負責角色品質把關
常見地雷沒有人工複核就全量上線
七步走完約需二至四週，關鍵不在技術，而在第一與第二步的邊界釐清與文件去識別。醫療場域一旦讓機敏資料進庫或答錯診療問題，風險遠高於效率損失，因此末步的人工複核不可省。
Flow一張圖看懂導入流程
1需求釐清
2文件清理
3切分策略
4向量索引與檢索
5生成與出處控制
6介面與整合
7試運行與維運
若看不到圖，以下純文字步驟表資訊等價，依序閱讀即可掌握完整導入路徑。
| 階段 | 重點 | 產出 |
|---|---|---|
| 需求釐清 | 界定可回覆範圍與禁區 | 衛教問答範圍表 |
| 文件清理 | 統一版本、去識別化 | 乾淨衛教文件集 |
| 切分策略 | 依主題切分並標來源 | 帶來源的知識區塊 |
| 向量索引與檢索 | 建索引、相似度檢索 | 可檢索知識庫 |
| 生成與出處控制 | 限定來源、強制出處、查無回不知道 | 帶出處回答服務 |
| 介面與整合 | 接 LINE 與官網、設轉真人 | 病人問答入口 |
| 試運行與維運 | 抽樣複核、定期更新 | 上線服務與維運機制 |
Case我踩過的坑：一次差點失敗的導入
情境範例把舊版單張整包丟進庫
我第一次幫一間左營區診所導入時，圖快，把三年來累積的衛教單張整包丟進知識庫，沒清版本。上線第一週病人問腸胃鏡準備，AI 引到一份兩年前、瀉劑品項已換掉的舊單張，病人照舊版準備，隔天檢查清腸不乾淨被迫改期，櫃檯還被投訴。
講師的建議
修正做法是回到 SOP 第二步：先做版本盤點，每份文件標更新日與有效狀態，過期單張一律下架不進庫；並在生成端加上更新日期顯示，讓答案帶出來源與日期。重做後，同類檢查因準備錯誤改期的情況明顯收斂。教訓是醫療衛教的正確性優先於上線速度，寧可少收幾份文件，也不能讓舊版誤導病人。
Checklist獨家資產：診所衛教 RAG 導入自我檢核表
上線前用這份八項檢核表逐條確認，任何一項未過都不建議全量開放給病人。這份清單是為高雄在地診所的實際條件設計，兼顧合規與可維運。
Checklist
- 已界定可回覆範圍，個別診斷與處方建議明確排除
- 所有進庫文件已去識別化，無病歷、檢驗數據與個資
- 每份文件標註更新日與有效狀態，過期單張已下架
- 每則答案都帶出處，可回連官方衛教單張或官網
- 查無資料時回覆不知道並提供轉真人管道
- LINE 與官網介面皆設有明顯的轉真人按鈕
- 已用真實提問樣本抽樣人工複核並記錄修正
- 設定文件定期更新週期與維運負責人
FAQ常見問題 FAQ
常見問題 FAQ
診所衛教 RAG 客服會不會給病人錯誤的診斷建議？
不會，因為系統設計上就把個別診斷與處方建議排除在可回覆範圍之外。RAG 客服只依院內衛教與行政文件回答門診須知、檢查準備與掛號流程等知識，遇到症狀判斷或用藥諮詢類問題會直接回覆需由醫師評估並轉真人，避免任何診療性回答。
病人的病歷或檢驗報告會被放進知識庫嗎？
不會，機敏病歷、檢驗報告與個人資料一律界定為不進知識庫。進庫的只有去識別化的公開衛教內容與行政須知。導入流程的第二步就是文件去識別，確保任何可辨識個人的資料都不會被檢索或生成，符合醫療場域的資料保護要求。
答案怎麼確保不是 AI 亂編的？
系統限定 AI 只能依檢索到的院內文件生成答案，並強制每則回覆附上出處，指向來源衛教單張或官網頁面。當知識庫查無相關資料時，系統會回覆不知道並轉真人，而不是勉強生成。病人與櫃檯都能透過出處回查驗證答案來源。
導入這套系統大約要花多少錢與多久時間？
時間上七步流程約需二至四週，實際視文件量與整合複雜度而定。費用因診所規模、文件數量與整合範圍差異大，建議先做需求釐清後再報價。可先從單一科別的門診須知試辦，驗證成效後再擴大範圍，降低一次投入的風險。
櫃檯人員會不會因此被取代？
不會，RAG 客服處理的是重複性高、答案固定的行政與衛教問題，讓櫃檯從重複來電中解放，把時間留給現場病人與需要判斷的案件。系統設計為查無或涉診療即轉真人，人力反而聚焦在更有價值的服務上，是輔助而非取代。
文件更新後，AI 的回答會跟著更新嗎？
會，但需要有維運機制。當衛教單張或須知更新時，將新版文件重新進庫、舊版下架，AI 檢索到的就是最新內容。因此導入時會設定定期更新週期與維運負責人，確保知識庫與實際作業一致，避免出現案例中舊版單張誤導病人的情況。
CTA下一步：三種開始的方式
無論你是高雄三民、左營的單一診間，還是有多科別的聯合診所，都可以從最小範圍試辦開始。以下三種方式，依你目前的準備程度選一種切入。
先下載這份導入自我檢核表，對照現況盤點文件與邊界
下載檢核表想針對你的診所條件討論，預約一場三十分鐘線上諮詢
預約30分鐘諮詢需要為整個團隊建立能力，索取企業內訓與導入報價
企業內訓報價
圖片來源 Image Credits
clinic-reception-service.jpg｜診所櫃檯人員協助病人辦理就診手續的實際場景｜https://www.pexels.com/photo/8386440/patient-mobile-check.jpg｜病人透過手機在候診時查詢就診前準備事項｜https://www.pexels.com/photo/4373997/clinic-consultation-desk.jpg｜診所衛教與門診須知諮詢的櫃檯場景｜https://www.pexels.com/photo/6949979/
本文為賴家榮 AI 教學中心原創教學內容；想讓團隊學會用 AI，歡迎看AI 課程或預約授課 →
代表圖片來源：圖片來源：Pexels
