.ycl-ai-case{–ink:#173c30;–muted:#566b60;–line:#dfe7de;–paper:#f6f7f1;color:var(–ink);font-size:17px;line-height:1.95;max-width:100%;overflow-wrap:anywhere}
.ycl-ai-case *{box-sizing:border-box}.ycl-ai-case p{margin:0 0 1.25em}.ycl-ai-case h2{color:var(–ink);font-size:clamp(25px,3vw,34px);line-height:1.5;margin:2.3em 0 .7em;letter-spacing:-.5px}.ycl-ai-case h3{font-size:19px;line-height:1.5;margin:0 0 .6em;color:var(–ink)}.ycl-ai-case .kicker{font-size:12px;letter-spacing:2px;color:#537961;margin:0 0 14px}.ycl-ai-case .lead{font-size:clamp(22px,3vw,29px);line-height:1.65;font-weight:600;letter-spacing:-.4px}.ycl-ai-case .intro{font-size:18px;color:var(–muted)}.ycl-ai-case .facts{display:flex;flex-wrap:wrap;gap:8px;margin:22px 0 30px}.ycl-ai-case .facts span{border:1px solid var(–line);padding:5px 12px;border-radius:4px;font-size:12px}.ycl-ai-case .cards{display:grid;grid-template-columns:repeat(3,minmax(0,1fr));gap:14px;margin:28px 0}.ycl-ai-case .card{padding:23px;background:var(–paper);border:1px solid var(–line);border-radius:12px}.ycl-ai-case .card p{font-size:14px;line-height:1.9;margin:0;color:var(–muted)}.ycl-ai-case .num{font-family:Georgia,serif;font-size:33px;color:#86a087;display:block;margin-bottom:12px}.ycl-ai-case figure{margin:30px 0}.ycl-ai-case figure img,.ycl-ai-case video{display:block;width:100%;height:auto;border-radius:12px;border:1px solid var(–line)}.ycl-ai-case figcaption{font-size:12px;line-height:1.8;color:#65766c;margin-top:10px}.ycl-ai-case .note{border-left:3px solid #8ca886;padding:18px 22px;background:#f7f8f4;font-size:14px;line-height:1.9;margin:26px 0}.ycl-ai-case .note p:last-child{margin-bottom:0}.ycl-ai-case .cta-panel{background:#173c30;color:#f7f8ed;padding:clamp(24px,5vw,42px);border-radius:16px;margin:42px 0}.ycl-ai-case .cta-panel h2{color:#fff;margin:0 0 16px}.ycl-ai-case .cta-panel p{color:#d7e3d8}.ycl-ai-case a.cta{display:inline-block;min-height:46px;background:#e5eed4;color:#153729;text-decoration:none;padding:10px 20px;border-radius:6px;font-weight:600;font-size:15px}.ycl-ai-case .cta:focus-visible{outline:3px solid #a4b377;outline-offset:4px}.ycl-ai-case .links{font-size:14px;border-top:1px solid var(–line);padding-top:22px}.ycl-ai-case details{padding:17px 0;border-bottom:1px solid var(–line)}.ycl-ai-case summary{cursor:pointer;font-size:15px;font-weight:600;min-height:44px}.ycl-ai-case details p{font-size:14px;color:var(–muted);margin:12px 0}.ycl-ai-case ol{padding-left:1.6em}.ycl-ai-case li{padding:4px 0}.ycl-ai-case a{color:#2f6c4d;text-underline-offset:4px}
@media(max-width:640px){.ycl-ai-case{font-size:16px}.ycl-ai-case .cards{grid-template-columns:1fr}.ycl-ai-case .card{padding:20px}.ycl-ai-case .num{float:left;margin:0 18px 0 0}.ycl-ai-case .cta-panel{margin:30px 0}.ycl-ai-case h2{margin-top:1.8em}}
YCLABTECH / 客製化 AI 服務整合
你累積的專業，
值得成為使用者隨時能問的服務。
服務手冊、常見問題、專業文件，往往已經藏著許多答案。我們把這些資料接進對話流程，讓 AI 助理有依據地回答，再串起 LINE 訊息與真人客服，讓一次提問有機會走到真正的下一步。
先用 23 秒，看懂服務怎麼接起來
閱讀影片文字摘要
讓你的資料，開始服務。先整理 PDF、Word、Excel 等文件，建立專屬知識庫，讓回答有內容可依據。回答完成、檔案處理結果與真人客服回覆可透過 LINE 傳送。使用者需要真人時，客服從後台接續服務；管理者也能檢視待補知識。實際導入範圍依需求與資料評估。
把資料變成回答依據
讓已授權的文件成為 AI 可查找的知識，減少使用者自行翻找的負擔。
讓結果接回對話
處理有結果後，透過既有 LINE 事件訊息，接續使用者的服務流程。
讓真人接得上
使用者提出真人支援需求時，客服可在後台接手、查看對話並回覆。
客製化 AI，從你的資料與流程開始
每個團隊都有自己的用語、文件與服務方式。客製化的第一步，是整理「哪些內容可以回答、需要先問什麼、什麼情況交給真人」，再把這些規則落到可使用的對話流程。
本案例已實作的是專屬知識庫檢索與對話流程整合。可導入 PDF、DOCX、Excel、CSV、TXT、Markdown 等文件，解析內容並建立搜尋索引；管理者也能持續更新文件、查看解析結果與維護索引。
這種作法讓 AI 在回答時查找提供的資料，通常稱為檢索增強生成（RAG）。它與重新訓練模型權重不同。若需求確實涉及模型微調或其他訓練，會另外評估資料量、標註品質、任務難度與驗收方法。
有資料，就能開始討論。從產品說明、內部流程到領域知識，都可以先評估適用性。是否適合導入、能做到什麼程度，仍取決於資料授權、品質與具體任務；不以「上傳任何資料就一定有效」作為承諾。
使用者熟悉的 LINE，也能成為服務入口
對使用者來說，好的 AI 服務應該容易開始，也容易知道接下來怎麼做。這套對話子系統已整合 LINE，並提供 API，讓其他應用接入同一套對話服務。
目前的 LINE 訊息能力包含回答完成後傳送結果、檔案處理成功或失敗通知，以及真人客服回覆與結束服務訊息。通知跟著實際事件發生，讓流程結果回到使用者的對話裡。
本案例未包含定時提醒、行銷群發或任意條件的通知排程；這些需求需另行評估。訊息送達也受帳號資格、平台額度及使用者設定影響，相關條件依 LINE Messaging API 官方說明辦理。
AI 有依據地回答，真人接續重要的服務
系統設計要求 AI 依授權來源回答，資料不足時應澄清、引導補充或保留回答。這是行為約束，實際品質仍要用代表性問題測試，並持續檢視。
當 LINE 使用者明確提出真人支援需求，可以進入客服佇列，由管理者接手回覆。後台另有待補知識的檢視入口，協助團隊了解哪些內容值得補充，再由人更新資料。
這個案例，實際交付了什麼？
案例來自健康服務的 AI 對話子系統：把 LINE 互動、引導式資料收集、知識檢索、個人報告服務串接與管理後台接起來。我負責對話服務與系統整合，健康計算引擎由協作者提供。
2026 年 4 月交付的範圍包括對話子系統原始碼、部署、管理後台、LINE 接入與 API 文件；整體平台仍持續開發。本篇呈現已實作的功能與整合方式，不代表所有客製需求都已完成，也不涉及醫療診斷、治療或效果承諾。
你有資料，我們一起找出
值得先交給 AI 的那一步。
不必先準備一份完整規格書。帶著一份有權使用的資料、幾個常見問題，以及你希望接續的服務流程，就能開始討論。
- 準備資料：例如服務文件、常見問答或作業說明。
- 挑出問題：哪些提問最常出現？理想的答案應該長什麼樣子？
- 說明下一步：需要 LINE 回覆、真人接手，還是串接既有系統？
先確認資料與任務，再決定知識庫、流程客製或訓練評估的合適範圍。
公開素材說明：本篇未使用客戶 Logo、品牌名稱、私人文件或真實對話。主視覺採 AI 生成，功能畫面採匿名情境重製；圖片與影片均另行標示。
