與你的文件對話：AI 驅動的文件問答

公司最有價值的資訊，往往被困在文件裡。產品手冊躺在 Google Drive 裡，政策 PDF 埋在 SharePoint 深處，訓練指南沒有人會讀到第三頁以後。這些知識明明都在，但要找到特定答案，卻得先打開檔案、捲動頁面，還得祈禱自己選對了文件。

文件對話能改變這一切。你把檔案上傳給 AI 聊天機器人，任何人都能用白話文提問。聊天機器人會讀取文件、找出相關段落，並回傳一個直接的答案——還附上作為佐證的原始出處。

本指南會說明文件對話在幕後如何運作、你可以使用哪些檔案格式、跨產業的實際使用情境，以及如何在 Agentkit 中透過逐步操作指南完成設定。

文件對話如何運作：用簡單方式說明 RAG

文件對話由一種名為「檢索增強生成」（retrieval-augmented generation，RAG）的技術驅動。這個名稱聽起來很技術，但概念其實很直觀。

以下是當你上傳文件並提問時，實際發生的過程：

步驟 1：文件處理

當你上傳檔案時，系統會擷取所有文字內容。對於 PDF，它會讀取文字圖層；對於 Word 文件，它會解析已格式化的內容；對於文字檔與 CSV 檔，它會直接讀取原始資料。

步驟 2：分塊

擷取出的文字會被拆分成較小的區塊，稱為「分塊」（chunk）。一份 50 頁的 PDF，可能會變成 200 個分塊，每個分塊包含一段文字或幾句相關的句子。之所以需要分塊，是因為 AI 模型在專注處理相關段落時，表現會比一次處理整份文件更好。

步驟 3：嵌入向量化

每個分塊都會被轉換成一種數值表示法，稱為向量嵌入（vector embedding）。你可以把它想像成把文字轉譯成高維空間中的座標。意思相近的分塊，即使用字不同，在這個空間中的位置也會彼此靠近。

步驟 4：儲存

這些嵌入向量會儲存在向量資料庫中（Agentkit 在 Supabase 中使用 pgvector）。這種資料庫專為相似度搜尋而最佳化——也就是找出與特定查詢在意義上最接近的分塊。

步驟 5：檢索與生成

當有人提出問題時，這個問題同樣會被轉換成一個嵌入向量。系統會在向量資料庫中搜尋，找出與該問題最相似的分塊。這些分塊——通常是最相關的前 3 到 5 段內容——會被送進 AI 模型作為脈絡。接著，模型會根據你的文件內容，產生一個自然語言的答案。

這就是「檢索增強」的部分：AI 不會憑空猜測，也不會依賴它的一般訓練資料，而是先檢索你特定的內容，再根據該內容產生有依據的答案。

為什麼 RAG 很重要

沒有 RAG 的話，一般的 AI 模型可能會根據過時的訓練資料作答，或對你的產品產生幻覺、憑空捏造細節。有了 RAG，模型的回答就會受限於你的文件內容。如果答案不在你上傳的內容中，設定妥當的聊天機器人會直接告知，而不是自己編造答案。

支援的檔案格式

Agentkit 支援企業最常使用的文件格式。

關於掃描 PDF 的注意事項

如果你的 PDF 是掃描實體文件產生的，可能只含有影像，沒有可選取的文字。文字擷取流程無法讀取純影像的 PDF。上傳前，請先開啟 PDF，嘗試選取文字；如果無法反白選取個別文字，就需要先透過 OCR（光學文字辨識）軟體處理該檔案。

各方案的儲存空間限制

每個方案都包含上傳文件用的儲存空間額度。

以參考數字來說，一份典型的 10 頁 PDF 大約是 200–500 KB，一份 100 頁的產品手冊通常是 1–5 MB。Free 方案適合用少量的短文件進行測試。所有付費方案都包含 40 MB 的文件儲存空間，足以容納大量的文件集。更高的方案則能解鎖更多訊息數、聊天機器人與團隊席次。

使用情境：誰能從文件對話中受益

文件對話並不限於單一產業或團隊。以下是最常見的使用情境，並附上具體的提問範例。

面向客戶的常見問題與支援

上傳你的說明中心文章、產品指南與政策文件。將聊天機器人部署到你的網站上，讓客戶能立即提問並獲得解答。

訪客可能提出的問題範例：

• 「已拆封商品的退貨政策是什麼？」
• 「如何將裝置連接到 WiFi？」
• 「你們的軟體支援哪些檔案格式？」

這能減少那些文件中已有解答，卻仍被提出的支援工單。根據產業資料，60%–80% 的客服問題都是重複性問題，且能從既有文件中找到答案。

內部知識庫

每間公司都有散落在數十份文件中的組織知識。上傳你的員工手冊、IT 政策、人資指引與流程文件，讓團隊擁有一個能回答內部問題的聊天機器人，不必再另外提交支援工單。

員工可能提出的問題範例：

• 「滿兩年後我有多少特休天數？」
• 「申請新筆電的流程是什麼？」
• 「我該去哪裡提交費用報告？」

研究與分析

研究人員、分析師與顧問經常要處理大量文件。上傳研究論文、市場報告或法規文件，就能針對整組文件集提問，不必逐一閱讀。

提問範例：

• 「第三季報告中，關於客戶留存率的關鍵發現是什麼？」
• 「哪些法規提到資料保留規定？」
• 「請摘要市場分析報告中關於競爭態勢的段落。」

合規與法務

法務團隊與合規人員要處理密度極高的文件：合約、法規、政策與稽核報告。文件對話讓他們能快速查詢這些文件，不必逐頁閱讀。

提問範例：

• 「供應商合約中的終止條款是什麼？」
• 「我們的隱私政策是否涵蓋歐盟居民的資料處理？」
• 「資料外洩事件的通報規定是什麼？」

教育與訓練

上傳課程教材、教科書與訓練手冊。學生或新進員工可以提問，並取得直接源自官方教材的答案。如需公開招生資訊試辦檢查表及來源審查說明，請參閱學校網站聊天機器人指南。

提問範例：

• 「請說明 TCP 與 UDP 的差異。」
• 「處理化學品外洩的安全程序是什麼？」
• 「請摘要第 4 章關於財務建模的內容。」

逐步操作：在 Agentkit 中設定文件對話

啟用一個文件聊天機器人，不到十分鐘就能完成。以下是完整流程。

1. 建立帳號與聊天機器人

在 Agentkit 註冊帳號（提供免費方案），並建立你的第一個聊天機器人。為它取個名稱，並簡短描述它的用途。

2. 上傳你的文件

前往聊天機器人的來源分頁，點選新增來源，並選擇文件。拖放檔案，或點選以瀏覽選取，你可以一次上傳多個檔案。

系統會自動處理每個檔案：擷取文字、進行分塊，並建立向量嵌入。處理時間取決於文件大小，大多數檔案都能在一分鐘內完成，較大的文件（100 頁以上）可能需要幾分鐘。

詳細的上傳選項請參閱文件來源說明文件。

3. 在 Playground 中測試

從你的聊天機器人儀表板開啟 Playground，這是你的測試環境。提出使用者可能會問的問題，並檢查答案是否：

• 準確：答案是否與文件中的內容相符？
• 完整：答案是否涵蓋完整內容，還是遺漏了重要細節？
• 有出處：你能否將答案回溯到特定的文件內容？

如果答案不完整或有誤，問題通常出在文件品質或內容缺漏。針對重要問題，可新增更多文件，或補充問與答。

4. 結合其他來源類型

文件與其他訓練來源結合使用時效果最好。Agentkit 支援四種來源類型，同時使用多種類型能帶來最強的效果。

完整的所有訓練方法指南請參閱如何用你的網站內容訓練聊天機器人。

5. 部署到你的網站

聊天機器人通過 Playground 測試後，就可以部署上線。Agentkit 提供四種嵌入方式：

• JavaScript 小工具：在你的網站加入一段指令碼標籤，適用於任何網站。
• React 元件：為 React 應用程式提供原生 React 整合。
• iframe：以 iframe 的方式，將聊天機器人嵌入任何頁面。
• WordPress 外掛程式：專為 WordPress 網站打造的外掛程式。

JavaScript 小工具是最常見的選擇。從聊天機器人的部署分頁複製嵌入程式碼，並貼到你網站的 HTML 中，聊天機器人就會以浮動小工具的形式出現在頁面角落。

6. 監控與優化

上線後，檢視聊天分析，了解使用者都提出了哪些問題，並留意：

• 答案薄弱或錯誤的問題——新增問與答，或上傳額外文件來解決。
• 尚未涵蓋的主題問題——上傳新文件，或新增文字片段。
• 常見問題——確保聊天機器人對這些問題的回答完整且精煉。

在 Standard（$119.99／月）與 Pro（$399.99／月）方案中，自動重新訓練功能會自動讓聊天機器人的網站來源保持最新。對於文件來源，當內容變更時，請上傳新版本的檔案。

提升文件對話效果的訣竅

聊天機器人答案的品質，直接取決於你文件的品質。以下是能帶來最大差異的做法。

用清楚的標題組織文件結構

含有標題、子標題與條理清楚章節的文件，能產生更好的分塊與答案。分塊演算法會利用結構線索建立有意義的區段。一份從頭到尾都是連續文字區塊的文件，檢索精準度會不如有清楚章節劃分的文件。

移除樣板內容與雜訊

頁首、頁尾、目錄頁、版權聲明，以及每份文件末尾的法律樣板文字，只會增加雜訊，卻沒有實質內容。若可行，請在上傳前清理你的文件，移除跨多份檔案重複出現的樣板內容。

讓文件保持最新

過時的文件會產生過時的答案。如果你的產品手冊還在講 2.0 版功能，但你的產品已經來到 4.0 版，聊天機器人就會給訪客錯誤資訊。請以最新版本取代舊文件，聊天機器人會重新處理新檔案，並更新它的知識庫。

使用明確的檔案名稱

為檔案取個具描述性的名稱：product-setup-guide-v3.pdf 能提供的資訊，遠比 doc_final_FINAL.pdf 多。雖然檔名不會直接影響答案品質，但長期下來能幫助你管理自己的來源。

為關鍵答案搭配問與答

如果某個特定答案每次都必須完全正確——例如定價、法律免責聲明、安全資訊——請不要只依賴文件檢索。建立一組專屬的問與答，寫入精準的答案。針對符合的問題，問與答的優先順序高於文件來源的內容。

用真實使用者的問題進行測試

不要只用你已知答案的問題來測試。詢問你的支援團隊、業務團隊，或實際客戶最常問什麼，並把這些拿來當測試案例。聊天機器人需要能處理使用者真正會問的問題，而不是你以為他們會問的問題。

文件對話 vs. 傳統搜尋

你可能會好奇，為什麼文件對話會比單純把文件放上網站、附上搜尋列更好用。以下是兩者的差異。

最大的差異在於使用者所需的努力。傳統搜尋給你的是一份可能含有答案的文件清單，文件對話給你的則是答案本身。對於在你網站上的客戶而言，這樣的差異能直接轉化為更少的支援工單，以及更高的滿意度。

文件對話不適用的情況

文件對話最適合用於答案明確、以知識為基礎的事實性問題，對以下情況則較不適合：

• 高度主觀的問題，沒有單一正確答案。
• 即時資料，每分鐘都在變動（股價、即時庫存數量）。文件只是靜態的快照。
• 複雜的多步驟工作流程，使用者需要跨多個系統採取行動。這類情境可考慮將文件對話搭配動作類型，例如自訂 API 呼叫或表單。
• 需要視覺脈絡的內容（圖表、示意圖、圖片）。目前的文件處理僅擷取文字。

對大多數商業使用情境而言——支援、導入、合規、研究、訓練——文件對話都能勝任。

後續步驟

文件對話能把你既有的檔案，轉變成一個能對話的知識庫。客戶能取得源自你實際文件的即時答案，你的團隊花在重複回答問題上的時間也會減少。而且設定只需要幾分鐘，不必花上幾週。

先從最常被參考的文件開始上傳——那些你的團隊不斷寄給客戶的檔案，或新進員工總是會問到的指南。在 Playground 中測試，為關鍵答案補上問與答，然後部署到你的網站。

將文件來源與網站檢索結合，取得更廣泛的涵蓋範圍，並探索潛在客戶收集動作，把文件問答對話轉變成合格的潛在客戶。

免費建立你的聊天機器人 →

不需信用卡。