Industry RAG
Definition先給答案：建案帶看 AI 客服是什麼
建案帶看 AI 客服，是把建案的坪數、公設比、格局、貸款方案與周邊機能，整理成一套 AI 隨問隨答的知識庫——客戶在帶看前用問問題的方式，就能得到帶出處、可追溯的標準答案，不必等業務有空回電。
RAG 是「檢索增強生成（Retrieval-Augmented Generation）」的縮寫。它和一般聊天機器人最大的差別，在於回答前會先到你自己的建案資料庫裡檢索，再根據找到的內容生成答案並附來源。對代銷與仲介而言，這代表 AI 不會把 A 案的公設比張冠李戴到 B 案，講的每個數字都能對回到某一份銷售海報或價目表。
Key Takeaways
- 建案帶看 AI 客服＝坪數＋公設比＋格局＋貸款＋周邊機能，變成帶出處的 AI 問答知識庫，客戶帶看前即得答案。
- 最痛的場景是「同一個問題被問一百遍」與「假日客戶塞爆、業務回不完 LINE」；AI 把首次回覆時間從數小時壓到數秒。
- 標準導入用三個工具分工：Claude AI 釐清需求與切分文件、Codex 建後端檢索管線、Antigravity 做介面與整合交付。
- 一個亞灣區的單一建案，通常 3～5 週可上線第一版，導入費用區間約新台幣 15～40 萬元。
- 成敗關鍵不在模型多強，而在「價目與規格有沒有標清楚版本」——這也是最多代銷踩坑的地方。
Pain高雄亞灣的真實痛點：同樣問題問一百遍
高雄亞灣區這幾年是預售與新成屋的熱區，一個接待中心假日動輒湧入數十組客戶。代銷團隊每天被問的，其實高度重複：這戶幾坪、公設比多少、格局是幾房、車位多少錢、貸款可以貸幾成、走路到輕軌站幾分鐘。這些答案價目表上都有，但客戶不會自己翻，業務也不可能同時服務所有人。
情境範例假日一個業務同時被 6 組客戶追問，LINE 回到半夜
去年我服務一個亞灣區代銷案場，假日尖峰時一位業務手上同時掛著 6 組客戶的 LINE，光是回覆「B2 戶 32.5 坪、公設比約 34%、雙主臥」這類基本規格，一個下午就打掉 3 小時。更麻煩的是有客戶問「貸款八成月付多少」，業務憑印象回了個數字，事後對表發現利率算錯，還得再道歉更正。那個週末，光是重複性提問就吃掉團隊超過 20 個工時。
這不是單一案場的問題，而是代銷與仲介的結構性痛點：規格與價格資訊明明都在文件裡，卻散在價目表、銷售海報、貸款試算表與 LINE 對話裡，沒有一個能自助查詢的入口。客戶帶看前的每個小問題，都得占用一位業務的即時人力，而這些人力本該花在真正需要說服、需要面對面談的高意願客戶身上。
我是賴家榮，甫東科技創辦人、SAIP 台灣首席 AI 長、SGS AI 認證。這 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。以下這套帶看客服流程，是我實際帶不動產客戶跑出來、而不是紙上談兵的作法。
SolutionRAG 解法：痛點 → 做法 → 可量化效益
把接待中心最常見的幾類痛點，對照 RAG 的具體做法與可量化效益列成一張表，就能看清楚它值不值得投資：
| 現場痛點 | RAG 的具體做法 | 可量化效益 |
|---|---|---|
| 同樣的坪數、公設比一問再問 | 價目表與規格書數位化建成向量知識庫，客戶自助問答 | 重複性提問人力下降約 6 成，業務時間釋放給高意願客戶 |
| 假日尖峰業務回不完 LINE | AI 24 小時帶出處即時回覆基本規格 | 基本問題首次回覆時間從數小時降到數秒 |
| 貸款試算憑印象回，事後算錯要道歉 | 把貸款成數與月付試算規則納入檢索，回答附條件 | 試算錯誤與更正客訴明顯減少 |
| 周邊機能講不齊、每個業務講的不一樣 | 輕軌、學區、賣場等機能整理成標準條目 | 帶看前資訊一致，減少到場後的資訊落差與客訴 |
SOP標準導入流程 SOP：Claude × Codex × Antigravity
以下是我實際採用的七步流程。工具分工的原則是：需要「和人對話、把模糊需求問清楚、決定文件怎麼切」的環節交給 Claude AI；需要「寫後端、接資料庫、做檢索管線」的環節交給 Codex；需要「做出好用介面、把各系統整合並交付」的環節交給 Antigravity。以下內容基於 2026 年 7 月各工具版本。
1需求釐清與範圍界定Claude AI
輸入案場常見問題清單、關鍵人員名單
動作用 Claude AI 逐條把「客戶最常問什麼」問到具體，界定第一版只做「單一建案規格與貸款問答」
產出一頁需求書與成功指標（例：首次回覆低於 10 秒）
負責角色顧問＋案場經理
常見地雷一開始就想涵蓋全公司所有建案，範圍爆炸，永遠上不了線
2文件盤點與清理Claude AI
輸入價目表、銷售海報、貸款試算表、格局圖說
動作用 Claude AI 判斷哪些文件有效、去除舊版價目、統一坪數與公設比的說法
產出一份乾淨、去重、標好生效日期的文件清單
負責角色案場＋顧問
常見地雷把已改價的舊價目表留在庫裡，AI 報出過期價格引發客訴
3文件切分策略Claude AI
輸入清理後的文件
動作用 Claude AI 設計切分規則（依戶別、依主題分段並保留上下文），而非機械式固定字數硬切
產出切分後的知識片段與對應 metadata
負責角色顧問
常見地雷用預設固定長度硬切，把一戶完整規格切成兩半，檢索就找不全
4建立向量索引與檢索管線Codex
輸入切分後的知識片段
動作用 Codex 產生 embeddings、建向量資料庫、撰寫檢索邏輯（關鍵字＋向量混合檢索）
產出可用 API 呼叫的檢索服務
負責角色工程／顧問
常見地雷只靠純向量檢索，遇到戶別編號、車位號這類精確字串會找不到，需混合關鍵字
5生成與出處控制Codex
輸入檢索服務
動作用 Codex 串接生成模型，強制「只根據檢索到的內容回答、附出處、查無資料就明講不知道並轉人工」
產出帶引用、不亂編的問答後端
負責角色工程／顧問
常見地雷沒設「查無就轉人工」，AI 自行掰貸款成數，害客戶誤判購屋能力
6介面與系統整合Antigravity
輸入問答後端 API
動作用 Antigravity 做客戶好操作的介面（手機可用、掃 QR Code 即問），並整合進案場 LINE 官方帳號
產出客戶帶看前真的會用的問答入口
負責角色工程／案場
常見地雷介面藏太深，客戶找不到入口，等於沒導入
7試運行、校準與維運Claude AI＋人工
輸入上線後的真實提問紀錄
動作用 Claude AI 分析答錯案例、補文件、調整切分，並建立改價即更新的機制
產出準確率穩定的正式版與維運 SOP
負責角色顧問＋內部種子人員
常見地雷上線就當結束，改價沒同步更新，AI 報舊價變成合約糾紛源頭
這七步不是每一步都要外包。我通常會帶案場一到兩位「種子人員」全程參與第 2、3、7 步，因為價目更新與後續維運，最終一定要有內部的人接手，AI 報的價才會永遠是對的。
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
若你看不到上方流程圖，以下純文字步驟表資訊完全等價，刪掉圖仍可獨立閱讀：
| 步驟 | 負責工具 | 關鍵產出 |
|---|---|---|
| 1 需求釐清 | Claude AI | 一頁需求書＋成功指標 |
| 2 文件清理 | Claude AI | 去重、標生效日期的文件清單 |
| 3 切分策略 | Claude AI | 帶 metadata 的知識片段 |
| 4 向量索引與檢索 | Codex | 可呼叫的檢索服務 |
| 5 生成與出處控制 | Codex | 帶引用、不亂編的後端 |
| 6 介面與整合 | Antigravity | 客戶可用的問答入口 |
| 7 試運行與維運 | Claude AI＋人工 | 正式版＋維運 SOP |
Case我踩過的坑：一次差點失敗的導入
情境範例舊價目表沒下架，AI 報出已經調漲的價格
第一次帶一個亞灣區案場導入時，我犯了個錯：為了趕上線，我把近半年所有版本的價目表全灌進知識庫。結果上線第四天，客戶問「B2 戶總價多少」，AI 引用到三個月前、還沒調漲的舊價，報了一個比現價低約 80 萬元的數字。客戶截圖來問業務為什麼現場報得比 LINE 貴，場面很難收。信任一旦破一次，客戶就開始懷疑 AI 講的每個數字。
講師的建議
修正方式有三個動作：第一，回到流程第 2 步，只保留最新版價目，舊版另存封存區、不進檢索；第二，在每個價格片段加上「生效日期」的 metadata，讓 AI 只採用最新版並主動標註日期；第三，加一條規則——凡是報價，AI 一律附上「以現場最新價目為準、實際以合約為準」的提醒，並在偵測到多版本時轉人工確認。重做之後，報價就不再出包。這個坑讓我學到：不動產 RAG 的品質，八成決定在價目與版本治理，不在模型多強。
Checklist獨家資產：建案帶看 AI 客服導入自我檢核表
在花錢導入前，先用這張檢核表自評。能勾起來的越多，代表你越適合、也越省成本。可直接複製到內部文件使用：
Checklist
- 已盤點出每天被重複問最多的 5 個問題（如坪數、公設比、車位、貸款、機能）
- 價目表、規格書、格局圖有電子檔，不是只有現場紙本
- 能明確講出「第一版只做哪一個建案、哪些主題」
- 願意指派 1～2 位內部種子人員參與文件清理與後續維運
- 有明確的改價流程，能在調價當天同步更新知識庫
- 有一位主管能拍板「哪一版價目與規格為準」
- 接受第一版不完美，願意用真實提問紀錄持續校準
- 已想好成功指標（例：首次回覆時間、重複提問下降幅度）
FAQ常見問題 FAQ
常見問題 FAQ
建案帶看 AI 客服導入大概要多少錢？
以高雄亞灣區一個單一建案、第一版只做規格與貸款問答為例，導入費用區間大約落在新台幣 15～40 萬元，差異來自戶別數量、是否整合 LINE 官方帳號與是否需客製介面。之後每月的模型與維運成本，通常在數千到一萬多元不等。建議先做單案第一版驗證效益，再決定是否複製到其他建案。
建案帶看 AI 客服要多久才能上線？
一個範圍界定清楚的單案第一版，通常 3～5 週可以上線試用。時間主要不是花在寫程式，而是花在價目與規格文件的清理與版本標註。如果案場文件已有整齊電子檔，時程可以再壓縮；若價目常改版又沒有統一管理，前期整理就得多花時間，這也是最值得先投資的環節。
客戶資料與價格會不會外洩或被拿去訓練？
這取決於架構怎麼設計。可以選擇把知識庫與檢索放在自己可控的環境，模型只在回答當下讀取必要片段、不長期保存，也可與供應商簽署不將資料用於訓練的條款。客戶的個資與未公開的成交價，導入前務必先界定哪些能進庫、哪些要遮蔽，這是規劃階段就該拍板的事。
AI 報錯價格會不會造成合約糾紛？
會，所以出處控制是關鍵。正確作法是強制 AI 只根據最新版價目回答、每個報價都標生效日期，並固定附上「實際以現場最新價目與合約為準」的提醒；偵測到多版本或查無資料時一律轉人工。把 AI 定位成帶看前的資訊助手而非報價依據，就能大幅降低糾紛風險。
這和直接用 ChatGPT 問建案有什麼不同？
一般聊天機器人用的是它訓練時的公開知識，根本不認識你的建案，遇到專屬坪數與價格容易亂編。RAG 會先到你自己的建案文件庫檢索，再根據找到的內容回答並附出處，查不到就轉人工。簡單說，前者像沒看過你建案的路人，後者像讀過你所有價目與規格、還會告訴你資料出處的專屬客服。
業務會不會擔心 AI 搶了他們的客戶？
不會，而且通常反而受益。AI 處理的是帶看前的重複性基本問題，把業務從無止盡回 LINE 中解放，讓他們專心經營真正需要說服、需要面對面談的高意願客戶。成交的臨門一腳仍在業務手上，AI 只是幫忙過濾與暖身，實務上業績反而更集中在會成交的客戶身上。
CTA下一步：三種開始的方式
不論你是代銷還是仲介，導入 AI 最好的起點都是「先看清楚自己最常被問什麼、文件亂在哪」。你可以從以下三種方式擇一開始：
① 先自評：下載「建案帶看 AI 客服導入自我檢核表」，花 10 分鐘看出你適不適合導入。
下載檢核表② 想聊聊：預約 30 分鐘諮詢，我會針對你的案場與文件狀況，給出可執行的第一步建議。
預約 30 分鐘諮詢③ 要培訓：安排企業內訓，帶你的團隊實際跑一遍 Claude AI × Codex × Antigravity 的導入流程，結業交付可上線的雛型。
企業內訓報價
圖片來源 Image Credits
kaohsiung-asia-bay-showroom.jpg｜封面：亞灣區建案帶看情境示意｜https://www.pexels.com/photo/14814060/real-estate-price-spec-documents.jpg｜接待中心的價目表與規格書，是帶看 AI 客服知識庫最重要的原料｜https://www.pexels.com/photo/8386440/customer-scanning-qr-property.jpg｜讓客戶帶看前用手機問就能查到帶出處的坪數與貸款答案｜https://www.pexels.com/photo/8761528/
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