串接 LINE、n8n、RAG 向量資料庫與 AI，客戶在 LINE 上詢問產品、價格、交期時自動分流並回覆， 並把詢問同步通知內部。本頁為純前端互動展示。
完整節點說明與冷熱資料設計原理，見下方「技術與設計說明 → 詳細動畫版」。
下面是「互動體驗」旁精簡動畫的完整版本：節點名稱、耗時與判斷條件都完整標示，方便理解每一步在做什麼。與聊天窗旁的精簡版共用同一組動畫狀態——在上面送出訊息時，這裡也會同步亮燈。
每則訊息依序通過下面 4 道判斷閘門，命中就立即分流、不再往下走——真正決定的是「查冷資料本地索引」還是「查熱資料向量庫」。在上方送出聊天訊息後，這裡會同步亮起對應命中的分支。
變動少、可預先算好的資料：商品編號／分類索引與FAQ 知識庫。批次同步後建成記憶體快照，依檔案 mtime／size 判斷是否需要重建索引，查詢時直接讀記憶體，不需要即時運算。
需要「即時理解語意」才回答得了的情境：向量資料庫語意檢索。只在編號／分類／FAQ 關鍵字都沒命中時才觸發，因為語意檢索的運算成本明顯高於本地索引查表，優先順序刻意放在最後。
先用編號／關鍵字做精準比對，命中就直接回覆；找不到才動用 AI 語意搜尋，同時顧到準確度與運算成本。
變動少的 FAQ／產品／牌價以批次方式同步為「冷資料」，查詢時走「熱資料」快取與向量索引，明顯降低回應延遲。
沒有對應牌價時不臆測價格，改提示「需人工確認」並自動建立宜搭詢價單，避免報錯價造成商業風險。
客戶詢問同步通知內部群組，重要詢價與需人工處理的案件不漏接。
把上萬筆產品建成記憶體索引（編號／分類／關鍵詞），並用檔案 mtime／size 判斷是否重建，避免每次查詢重讀整份資料、大幅降低延遲。
獨立完成從系統設計、多平台整合到生產化維運的 B2B 智能客服：以 RAG 與分層檢索確保回覆準確、 將報價風險與 API 成本納入設計，讓常見詢問自動化處理，把人力集中在真正需要人工的高價值客戶。
串接 LINE Messaging API、n8n 自動化流程、向量資料庫與 AI 生成模型， 並整合 宜搭表單與內部群組通知，串起「客戶詢問 → 自動回覆 → 內部跟進」的完整閉環。
將 FAQ 與產品知識向量化建立索引，依問題語意檢索相關內容後再交給模型生成回答， 讓回覆有所本、可控、可追溯，而非單純讓模型自由發揮。
設計多層檢索：精準比對優先、語意搜尋為後備，並以冷熱資料分層與本地快取 減少不必要的向量運算與外部呼叫，同時改善回應速度與 API 成本。
針對報價情境採保守策略，無對應牌價即轉人工並自動建單， 把「AI 答錯造成的營運風險」納入系統設計，而不只是追求看起來會回答。
處理 webhook 簽章驗證、訊息去抖動、增量資料同步與本地快照索引等生產細節， 並以自動化測試守住關鍵行為（產品編號不被語意搜尋覆蓋、報價不亂估），確保穩定可維護。
先以 n8n 快速驗證可行性並上線，再為了效能、成本與可控性 重構為可維護的服務——兼具「快速落地」與「長期可維運」兩種能力。
＊ 實際的檢索邏輯、資料結構、prompt 與門檻參數屬營運 know-how，未公開於本展示，可於面談時進一步說明。