Industry RAG

RAG 就是讓 AI 只根據你自己的建案資料跟法規回答,不亂掰。
講白話,RAG(檢索增強生成)就是先讓 AI 去翻你公司的建案資料、工程規範、法規條文跟客戶問答集,找到對的內容,再照這些回答。跟一般 ChatGPT 不一樣的地方是:它不是憑感覺講,而是照你手上真實的建案資訊在回。對建設營造這種「講錯一句話可能踩到廣告不實」的行業,這超級關鍵。
換個說法,以前老闆最怕代銷新人亂承諾、客服回錯規範,用 RAG 這套就能大幅降低這種風險,因為答案有依據、還能標出處。
高雄亞灣重劃區、橋頭這幾年建案一個接一個,建商、營造、代銷全都很忙。這行共同的痛,是「資訊太多又太雜、還很怕講錯」。一個建案光是坪數、公設比、車位、建材、付款方式就一大疊,代銷要記、客服要背,問題是每個案子都不一樣,講錯就出事。
我在亞灣做代銷,假日一天帶看二三十組客戶,每組都問建材、公設比、車位坪數、什麼時候交屋。案子細節那麼多,我常常要翻資料夾或打電話問公司,客戶站在旁邊等,體驗很差。有一次記錯付款成數,差點釀成客訴,想想就冒冷汗。
更麻煩的是法規跟履約。廣告怎麼寫才不會踩到不實、預售屋履約保證怎麼跟客戶解釋、交屋流程有哪些眉角,這些散在合約、法規、內部規範裡,新人根本記不完。老鳥的經驗又常常只在腦袋裡,人一離職就斷了。
這正是賴家榮專門在處理的問題。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。他常跟建商老闆說:你的建案知識跟法規,現在全靠人腦記,講錯一句的代價太高了。
RAG 的做法很直接:把你散在各處的建案資訊、工程規範、法規、客戶問答,整理成 AI 看得懂的知識庫。之後代銷帶看、客服接電話,一句話問,它就從這些資料撈答案,還附出處。下面這張表,左邊是以前,右邊是上了 RAG 之後,一看就懂。
| 情境 | 以前的做法 | 上了 RAG 之後 |
|---|---|---|
| 代銷查建案細節 | 翻資料夾或打回公司,客戶在旁邊等 | 手機打一句話問,幾秒回答還附出處 |
| 客服答常見問題 | 各憑印象回,答案不一致 | 照統一知識庫回,誰接都一樣專業 |
| 法規與廣告查核 | 怕踩不實,樣樣要問法務 | 先問 AI 對一遍,降低踩雷風險 |
| 新人上手 | 背不完,樣樣要問前輩 | 邊帶看邊查,幾天就能獨立接客 |
| 履約交屋說明 | 流程複雜容易漏講 | 步驟隨問隨答,交屋不再漏東漏西 |
很多建商老闆以為導入 AI 又貴又慢,其實範圍抓好,幾週就能先跑一個能用的版本。以下內容基於 2026 年 7 月各工具版本,操作介面可能略有差異,但流程邏輯一樣。下面這七步是賴家榮團隊實際在跑的做法。
輸入建案資料、工程規範、法規、客戶問答
動作列清單、分類、標出最常被問的
產出知識來源清單與優先順序
負責角色顧問陪同盤點
常見地雷想一次把所有案子全上,結果一直卡在整理
輸入散亂的簡報、PDF、合約、規範
動作轉成統一格式、標清楚是哪個建案
產出乾淨可讀的結構化文件
負責角色工程協助轉檔
常見地雷不同案子資料混在一起,AI 張冠李戴
輸入清理好的文件
動作依建案、規範、法規切成小段落方便檢索
產出切分規則
負責角色顧問設計切法
常見地雷切太大撈不準,切太碎又失去上下文
輸入切好的段落
動作建立索引、設定檢索邏輯
產出可被查詢的知識庫
負責角色工程建置
常見地雷同義詞沒處理,客戶換個問法就查不到
輸入使用者問題
動作限定只從知識庫回答並標來源
產出帶出處的回覆
負責角色顧問調規則
常見地雷沒鎖來源,AI 亂承諾踩到廣告不實
輸入知識庫與現有系統
動作做成好用的問答介面、接上 LINE 或客服系統
產出代銷客服都能用的工具
負責角色工程整合
常見地雷介面太難用,代銷現場根本沒空打開
輸入真實帶看與客服問題
動作小範圍試跑、蒐集答錯案例、人工校正
產出越用越準的知識庫
負責角色顧問加內部窗口共管
常見地雷案子完銷或改規格,知識庫沒跟著更新
最關鍵的是第七步。建案會完銷、規範會改、法規會更新,RAG 不是做完就沒事。賴家榮的建議是公司指定一個窗口,搭配工具定期檢查校正,知識庫才會越用越準,而不是拿舊資料回客戶出包。
若看不到圖,文字版順序等價如下:需求釐清 → 文件清理 → 切分策略 → 向量索引與檢索 → 生成與出處控制 → 介面與整合 → 試運行與維運。跟上面那張流程圖是一模一樣的意思,只是換成文字方便你抄下來。
| 階段 | 在做什麼 | 誰負責 |
|---|---|---|
| 需求釐清 | 盤點最常被問的建案與法規問題 | 老闆+顧問 |
| 文件清理 | 把散亂資料轉成乾淨格式並標清案別 | 工程+內部窗口 |
| 切分策略 | 把文件切成好檢索的段落 | 顧問 |
| 向量索引與檢索 | 建立索引讓問題撈得到答案 | 工程 |
| 生成與出處控制 | 限定來源、答案附出處避免踩雷 | 顧問 |
| 介面與整合 | 接上 LINE 或客服系統給大家用 | 工程 |
| 試運行與維運 | 試跑、校正、定期更新 | 內部窗口+顧問 |
我們公司同時賣三個案子,想說一次全部餵進 AI 省事。結果沒把案別標清楚,客戶問 A 案的公設比,AI 給了 B 案的數字。代銷照著講,客戶回去對資料發現不對,直接客訴,還好沒簽約,不然就是廣告不實的麻煩。從那次之後我才知道,資料清理跟標籤真的不能省。
賴家榮的建議:一定要把每筆資料標清楚是哪個建案、哪個版本,寧可先做一個案子做準,再擴到其他案。建案資訊牽涉廣告不實跟履約責任,錯不得。上線初期關鍵資訊(價格、公設比、付款方式)都讓真人再確認一次,並且開放代銷客服回報答錯的案例、固定校正。信任建立好了再放寬,才不會第一步就翻車。
花錢之前,先拿下面這張表自己對一遍。八個項目都想過了,導入成功率會高很多,也不會做到一半才發現資料根本不齊或會踩法規。
看範圍差很多。如果先做一個建案、整理最常被問的問題,做一個能用的版本,通常落在約十幾萬到三十萬區間;如果要多案全上、還要接客服系統跟 LINE,就會往上到約幾十萬起。建議先從單一案子試水溫,好用再擴,錢花得比較穩。
可以,而且大部分建商一開始資料都很雜,這很正常。資料雜正是要先花時間清理跟標案別的原因,這一步做扎實,AI 才不會張冠李戴。重點不是資料要多完美,而是先挑一個案子相對齊的先上,邊做邊補,不用等全部整理好才開始。
這正是 RAG 跟一般 ChatGPT 最大的差別。RAG 限定 AI 只能從你自己的知識庫回答,而且答案附出處,對不對看得出來。不過建案關鍵資訊還是要真人把關,尤其價格、公設比、付款方式這種,建議上線初期都由代銷或客服再確認一次,信任建立起來再放寬。
最實際的做法是趁人還在,把他們最會被問、最會處理的問答用訪談整理成文字放進知識庫。像客戶砍價怎麼應對、什麼疑慮怎麼解、交屋眉角有哪些,這些用問答方式記下來最好。這件事越早做越好,人一離職經驗就跟著走了。
如果先做單一建案、資料也還算齊,通常幾週就能跑一個能用的版本給代銷客服試。要多案全上、還要接系統,就會拉到幾個月。賴家榮的建議是先求有、再求好,先讓團隊用到準答案,比一次做完整套更重要。
維護沒想像中難,但一定要有人固定顧。通常會在公司指定一個窗口,案子改規範或完銷就更新知識庫,搭配工具定期檢查答錯的案例。賴家榮團隊也會協助建立這套維運流程,交接清楚後你們自己就能顧,不會被綁死。
如果你是高雄、台南、屏東、嘉義的建商、營造、代銷老闆,覺得建案資訊一直卡人、代銷客服怕講錯,不用一次想全套。先從下面三件事挑一件開始就好。
先下載這份導入檢核表,自己對一遍就知道缺哪塊
下載檢核表想聊聊你們公司的狀況,預約 30 分鐘免費諮詢,直接談你最痛的那塊
預約30分鐘諮詢想幫整個團隊上一堂 AI 落地內訓,來問企業內訓報價
企業內訓報價

construction-site-14814060.jpg|建案與工程資訊是 RAG 最好的知識來源|https://www.pexels.com/photo/14814060/property-tour-6949979.jpg|代銷帶看靠 AI 快速回答建案問題|https://www.pexels.com/photo/6949979/customer-service-7455935.jpg|客服靠統一知識庫回得又快又一致|https://www.pexels.com/photo/7455935/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