AI 名詞辭典
也叫：大型語言模型、Large Language Model
大型語言模型（LLM）是用大量文字訓練出來的 AI 模型，能讀懂和寫出人類語言，ChatGPT、Claude、Gemini 背後用的就是這類模型。
它從大量文字裡學會「接下來最可能出現什麼字」。所以它很會寫、很會整理，也能回答問題。
它不是資料庫，也不會自動知道你公司的事。它沒讀過的資料，例如你的價目表、庫存或客戶紀錄，要另外提供給它。
它也可能講錯，而且講得很有把握。重要的事要查證，或讓它只根據你提供的資料回答。
例子
一家貿易公司把英文詢價信貼給 AI，請它整理成中文重點，再草擬一封回信。業務檢查、修改後才寄出。
也叫：Prompt、指令
提示詞（Prompt）是你給 AI 的指令或問題，AI 會依照它產生回答。
就像交代新同事做事。講得越清楚，做出來越接近你要的。
好的提示詞通常說清楚四件事：要做什麼、給誰看、可以參考哪些資料、要什麼格式。例如「用三點列出重點，每點一句話」。
在自動化流程裡，提示詞會先寫好、固定下來。這樣每次處理的方式一樣，結果也比較好檢查。
例子
與其只說「幫我寫一篇貼文」，可以說「幫健身房寫一則 Facebook 貼文，對象是第一次上健身房的上班族，語氣親切，最後提醒可以預約體驗課」。
也叫：詞元
Token 是 AI 模型讀寫文字時用的最小計算單位，一個 Token 可能是一個詞、詞的一部分或一個標點符號，怎麼切依模型而定。
AI 不是一個字一個字讀。它會先把文字切成一小塊一小塊，每一塊就是一個 Token。同一段話，不同模型切出來的數量不一樣。
Token 跟兩件事有關。第一，模型一次能讀的長度有上限，這個上限用 Token 計算。第二，很多 AI 服務是照用掉的 Token 數計費。
所以把一整本手冊丟給 AI，不一定比較好。只給它需要的段落，比較省，也比較不會被無關的內容干擾。
也叫：Hallucination
AI 幻覺是指 AI 用很肯定的語氣，說出錯誤或根本不存在的內容。
大型語言模型是照「什麼字最可能接下去」來寫回答，它並沒有在查證事實。所以它有時會編出看起來很合理的答案，例如不存在的法規、錯的營業時間、你沒賣的商品規格。
常見的降低方法：讓 AI 只根據你提供的資料回答（RAG）、要它附上出處、資料不夠時直接說不知道，以及重要內容由人確認後才送出。
目前的技術只能減少幻覺，還沒辦法完全消除。所以報價、醫療、法律、合約這類內容，一定要有人把關。
例子
客人在 LINE 問「週日有開嗎」。AI 如果沒有讀到正確的營業時間，可能自己猜一個答案。把營業時間放進 AI 能讀的資料，並規定「查不到就說不確定、轉給真人」，可以減少這種狀況。
也叫：Retrieval-Augmented Generation、檢索增強生成
RAG（檢索增強生成）是先從指定的資料裡找出相關段落，再讓 AI 根據這些段落回答的做法。
可以想成開書考。AI 回答前，先翻你給它的資料，例如產品手冊、常見問題、公司規章，找到相關的幾段，再根據這幾段寫答案。
這樣答案比較貼近你公司的實際情況，也能附上出處讓人核對。資料更新時，換掉資料就好，不用重新訓練模型。
它還是會受資料品質影響。資料過時、互相矛盾或根本沒寫到，AI 一樣可能答錯。所以資料要有專人負責更新。
例子
一家牙醫診所把術前須知、費用說明和常見問題整理成文件。病人在 LINE 問「植牙前要注意什麼」，AI 先找到相關段落，用白話回答，並附上原文出處給櫃台核對。
也叫：向量、嵌入
Embedding（向量嵌入）是把一段文字轉成一串數字，讓電腦可以比較兩段文字的意思有多接近。
意思相近的句子，轉出來的數字也會接近。例如「怎麼退貨」和「買錯了可以換嗎」用字不同，但意思接近，電腦也判斷得出來。
這是 RAG 和「語意搜尋」背後常用的技術。客人用自己的話問，系統也能找到意思相符的常見問題，不必一字不差。
這些數字通常存在「向量資料庫」裡，方便快速比對。
也叫：AI 代理、代理式 AI
AI Agent（AI 代理）是能依照目標自己決定步驟、使用工具，完成多步驟工作的 AI 系統。
一般聊天機器人是你問一句、它答一句。AI Agent 會自己規劃：先查資料、再整理、再呼叫其他系統，最後交出結果。
它跟固定的自動化流程不同。固定流程的每一步都事先寫好，適合規則清楚的工作。AI Agent 會自己判斷下一步，適合要讀懂內容、狀況多變的工作，但結果也比較難預測。
所以實務上會限制它能讀的資料和能用的工具。寄信、改訂單這類動作，通常設定成要人按同意才執行，每一步也都留下紀錄。
例子
客戶寄信來詢價。AI Agent 讀信、到 ERP 查庫存和交期、套用報價規則，草擬一份報價單放進待確認清單。業務看過、按同意後才寄出。
也叫：Model Context Protocol、模型上下文協定
MCP（Model Context Protocol，模型上下文協定）是 Anthropic 在 2024 年 11 月推出的開放協定，讓 AI 應用程式用統一的方式連接外部工具和資料。
官方的比喻是「AI 的 USB-C 接頭」。沒有共同規格時，每個 AI 工具要接每個系統，都得各寫一套串接。有了 MCP，一個系統做好一個 MCP 連接器，支援 MCP 的 AI 應用程式都能用。
透過 MCP，AI 可以讀取檔案、資料庫、行事曆，或使用搜尋之類的工具。Claude、ChatGPT、VS Code 等工具都支援。2025 年 12 月，Anthropic 把 MCP 捐給 Linux 基金會旗下的 Agentic AI Foundation。
接上越多工具，AI 能做的事越多，風險也越大。只開放需要的工具和權限，敏感動作保留人工確認，是比較穩妥的做法。
也叫：Human-in-the-loop、HITL、人工審核
人工確認（Human-in-the-loop）是在自動化或 AI 流程中，保留一個由人檢查、按同意後才繼續的步驟。
AI 和自動化很快，但不一定每次都對。會造成影響的動作要留給人確認，例如寄信給客人、改訂單、付款、改正式資料。
常見做法是設一份「待確認清單」。AI 沒把握、資料不齊或金額超過門檻的項目，都放進清單等人處理。按同意才執行，按退回就不動作。
每一次確認都留下紀錄：誰、什麼時候、同意了什麼。出問題時查得到，也能拿來調整規則。
例子
會計師事務所用 AI 讀客戶寄來的單據、建議會計科目。所有建議先放進待確認清單，會計人員看過、按同意才寫進帳務系統。
也叫：光學字元辨識、Optical Character Recognition
OCR（光學字元辨識）是把圖片或掃描檔裡的文字，轉成電腦可以編輯和搜尋的文字。
例如把紙本發票、名片、出貨單拍照，轉成文字和數字，就不用再手動打一次。
傳統 OCR 只負責「認字」。現在常搭配 AI 一起用：讀出文字後，AI 再判斷哪個是日期、哪個是金額、哪個是統一編號，整理成表格。
手寫字、模糊照片、反光或折到的單據，還是可能認錯。金額、帳號這類重要欄位，建議設人工抽查或確認。
例子
一家貿易公司每天收到幾十張供應商的紙本出貨單。拍照上傳後，系統讀出品名、數量和單號，填進試算表，倉管只要核對系統標出有疑問的那幾張。
也叫：搜尋引擎優化、Search Engine Optimization
SEO（搜尋引擎優化）是調整網站內容和技術設定，讓 Google 等搜尋引擎找得到、看得懂，並在相關搜尋中顯示你的網頁。
搜尋引擎會派程式來讀網站、建立索引，再依照每個問題排出結果。SEO 就是讓這個過程順利：網站讀得到、內容寫得清楚、回答的是客人真的會搜的問題。
常見工作包括：每頁有清楚的標題和說明、網站在手機上好用又快、內容回答具體問題、其他可信的網站有提到你。
SEO 需要時間累積，沒有人能保證排名第一。看到有人保證「幾天上首頁」，要特別小心。
例子
一家台中的牙醫診所，在官網替每個療程各寫一頁，說明適合誰、流程、恢復期和常見問題。比起只有一頁「服務項目」，搜尋「台中 植牙 恢復期」的人更有機會找到它。
也叫：生成式引擎優化、Generative Engine Optimization、AI 搜尋優化
GEO（生成式引擎優化）是讓 ChatGPT、Gemini、Perplexity、Google AI 摘要這類 AI 回答工具，在回答相關問題時更有機會正確提到或引用你的品牌和網站的做法。
現在有人會直接問 AI「台北適合新手的健身房」，而不是自己點十個網站比較。AI 會整理出一段答案，有時附上參考來源。GEO 關心的是：這段答案裡有沒有你、描述得對不對、引用了哪些網站。
它和 SEO 的基礎大多相同：網站讀得到、內容清楚、資訊一致。GEO 更重視內容能不能被直接引用、商家資訊在各平台是否一致、其他可信來源有沒有提到你，以及用一組固定問題定期檢查各 AI 平台的回答。
這個名稱出自 2023 年的一篇學術論文。AI 的回答會隨時間和問法改變，沒有人能保證 AI 一定推薦你。
例子
一間美容診所定期用同一組問題問 ChatGPT 和 Gemini，例如「台中皮秒雷射推薦哪家」。記錄 AI 有沒有提到自己、說了什麼、引用哪些網站，再回頭補官網和商家檔案上缺的資訊。
也叫：答案引擎優化、Answer Engine Optimization
AEO（答案引擎優化）是把內容寫成能直接回答問題的形式，讓搜尋引擎、語音助理和 AI 能把它當成答案使用。
「答案引擎」指的是直接給答案、不只給一串連結的服務，例如 Google 的精選摘要、語音助理和 AI 聊天工具。
AEO 的重點：先用一兩句話直接回答，再補細節；一個段落只回答一個問題；用常見問題的方式整理內容。
AEO 和 GEO 範圍很接近，業界常混著用，目前也沒有統一定義。與其糾結名稱，不如確認內容有沒有清楚回答客人會問的問題。
例子
與其在「關於我們」寫一大段品牌故事，不如加一段「營業時間和停車」，第一句就寫清楚幾點開、車停哪裡。
也叫：AI Overviews、AI 摘要
Google AI 摘要（AI Overviews）是 Google 搜尋在部分結果最上方顯示的 AI 生成摘要，會整理重點並附上相關網頁連結。
它不是每次搜尋都會出現。Google 的系統判斷生成式 AI 特別有幫助時，才會顯示。
網頁要成為 AI 摘要裡的參考連結，Google 說明的條件是：已被 Google 收錄，而且符合在搜尋結果顯示摘要的資格。Google 也說明，不需要另外建立特殊檔案或特別的結構化資料。
Google 提醒 AI 回覆可能有誤。AI 摘要出現時，有些人看完就不再點進網站，這是「零點擊搜尋」的一種。
也叫：AI Mode、AI 模式
Google AI 模式（AI Mode）是 Google 搜尋裡的對話式 AI 搜尋功能，可以問較長、較複雜的問題並繼續追問；繁體中文版在 2025 年 10 月 8 日於台灣推出。
它和 AI 摘要不同。AI 摘要出現在一般搜尋結果上方；AI 模式是另一個畫面，像跟 AI 對話一樣一問一答往下問。
Google 說明它用的是客製化的 Gemini 模型，並採用「查詢展開」：把問題拆成幾個子主題分別搜尋，再整理成答案，同時附上相關網頁連結。
對商家來說，被引用的條件和一般 Google 搜尋相同：網頁要能被 Google 收錄，內容要清楚回答問題。Google 表示不需要為它做特別的設定。
也叫：Schema、Schema 標記、JSON-LD
結構化資料是用標準格式寫在網頁程式碼裡的說明，告訴搜尋引擎這一頁是什麼，例如店家的地址、營業時間、商品資訊或食譜的烹調時間。
網頁上的文字是寫給人看的。結構化資料像一張填好的表格，直接標明「這是店名」「這是電話」「這是營業時間」，機器就不用猜。
最常用的詞彙是 Schema.org，Google 建議用 JSON-LD 格式來寫。寫對了，網頁有機會在搜尋結果顯示更多資訊，例如商品資訊或食譜的烹調時間。標記的內容要和網頁上看得到的內容一致。
它不保證一定會出現特殊顯示，也不是排名捷徑。Google 也說明，AI 摘要和 AI 模式不需要特別的結構化資料。它的價值是讓資訊清楚、一致，內容本身寫清楚才是根本。
llms.txt 是 2024 年提出的一種建議做法：在網站放一個 Markdown 格式的文字檔，整理網站重點和重要連結，方便 AI 讀取。
它由 Jeremy Howard 在 2024 年 9 月提出，概念像是寫給 AI 看的網站導覽。檔案通常放在網站根目錄，例如 example.com/llms.txt。
它目前只是社群提案，不是正式標準，也不是排名因素。AI 服務沒有義務讀它；Google 也說明，要出現在 AI 摘要或 AI 模式，不需要建立這類給 AI 看的文字檔。
要做也不難，但別期待它帶來明顯效果。先把網站內容、商家資訊和結構化資料做好，比較實在。
也叫：Google Business Profile、Google 我的商家、GBP
Google 商家檔案是 Google 提供的免費工具，讓店家管理在 Google 搜尋和地圖上顯示的名稱、地址、營業時間、照片和評論回覆。
客人搜尋「附近的早午餐」或在地圖上找店時，看到的店家資訊大多來自這裡。營業時間、電話或分類寫錯，客人就可能撲空。
整理重點：名稱和招牌一致、分類選對、營業時間隨時更新（連假要設特殊營業時間）、上傳真實照片、回覆評論。
Google 規定商家名稱要和實際使用的名稱一致，不能加不必要的資訊，例如宣傳標語，否則商家檔案可能被停權。
例子
一家餐廳過年休息，卻沒在商家檔案設定特殊營業時間。Google 上顯示「營業中」，客人跑去撲空，留下一則負評。
也叫：Zero-click search、零點擊
零點擊搜尋是指使用者在搜尋結果頁上就得到答案，沒有點進任何網站就結束搜尋。
例如查天氣、查營業時間、看 AI 摘要的整理，答案就在搜尋頁上，不用再點出去。
對商家來說，網站點擊數不再是唯一的指標。客人可能在搜尋頁看了你的商家檔案，就直接打電話、導航或傳訊息。
所以除了網站流量，也要看商家檔案的來電和路線查詢、AI 回答裡有沒有提到你，以及客人說自己從哪裡知道你。
也叫：流程自動化、Workflow automation
工作流程自動化是把重複、規則固定的工作，交給系統依照設定好的步驟執行，例如收到表單就建檔、通知負責人、寄確認信。
基本結構是「觸發 → 動作」。某件事發生（收到訂單、表單送出、每天早上九點），系統就依序做事（寫進試算表、發 LINE 通知、寄信）。
適合自動化的工作有三個特徵：常常發生、步驟固定、出錯的影響可以控制。規則每次都不一樣、需要大量判斷的工作，先別急著自動化。
加入 AI 後，流程也能處理需要「讀懂內容」的步驟，例如讀信分類、從 PDF 抓欄位。敏感動作還是建議保留人工確認。
例子
官網表單、Facebook 廣告和 LINE 進來的詢問，自動寫進同一份名單，依地區分給業務；超過一天沒人回覆，就提醒主管。
n8n 是一套流程自動化工具，用拖拉、連接節點的方式，把不同的 App、系統和 AI 模型串成自動執行的流程。
每個「節點」代表一個步驟，例如收到 Webhook、讀取 Google 試算表、呼叫 AI 模型、發 LINE 訊息。把節點連起來，就是一條流程。
可以用 n8n 官方的雲端服務，也可以裝在公司自己的主機上，讓資料留在自己管得到的地方。
它的授權是 n8n 自訂的 Sustainable Use License：原始碼公開，但有使用限制，所以官方不稱自己為開放原始碼，而是稱為 fair-code。公司內部使用一般沒問題；如果要包裝成服務給客戶用，要先看清楚授權條款。
也叫：機器人流程自動化、Robotic Process Automation
RPA（機器人流程自動化）是用軟體機器人模仿人在電腦上的點擊、輸入和複製貼上，自動完成重複的操作。
它像一個照著操作手冊做事的虛擬助理：打開系統、登入、點選單，再把 Excel 的資料一格一格填進去。
RPA 適合老系統沒有 API、只能從畫面操作的情況。缺點是畫面一改、按鈕換位置，機器人就可能卡住，需要有人維護。
如果系統有 API，通常優先用 API 串接，比較穩定。RPA 比較適合沒有其他路可走的時候。
例子
一家工廠的舊進銷存系統沒有開放串接，每天要把 Excel 裡的訂單一筆筆手動輸入。改用 RPA 照步驟輸入後，人員改成檢查輸入結果。
也叫：應用程式介面、Application Programming Interface
API（應用程式介面）是兩個系統之間約定好的溝通方式，讓一個系統可以向另一個系統讀取資料或下指令。
可以想成餐廳的點餐窗口。你不用走進廚房，只要照菜單點餐，廚房就把餐點送出來。API 就是系統之間的菜單和窗口。
例如網站透過 API 向金流服務建立付款、向物流公司查貨態，或讓 AI 讀取 CRM 裡的客戶資料。
要串接一套系統，先問三件事：有沒有開放 API、能讀寫哪些資料、權限怎麼申請。API 通常需要金鑰，金鑰要像密碼一樣保管好。
Webhook 是一個系統在某件事發生時，主動把通知和資料送到另一個系統指定網址的機制。
API 像你打電話去問「貨到了沒」；Webhook 則是貨到時，對方主動打給你。不用一直去問，事情一發生就收到通知。
例如客人在官網送出表單、LINE 官方帳號收到訊息、網路商店有新訂單，系統都可以用 Webhook 立刻通知你的自動化流程。
接收 Webhook 的網址，等於一個對外開放的入口。實務上要驗證來源，例如檢查簽章，避免別人送假資料進來。
也叫：客戶關係管理、Customer Relationship Management
CRM（客戶關係管理系統）是把客戶資料、聯絡紀錄、商機進度和後續追蹤集中管理的系統。
沒有 CRM 時，客戶資料常散在業務的手機、LINE、Excel 和信箱裡。人一離職，資料也跟著不見。
CRM 把每位客戶的資料、聊過什麼、報過什麼價、下一步要做什麼，放在同一個地方。主管也看得到每筆商機進行到哪裡。
常見的有 HubSpot、Salesforce、Pipedrive 等。導入的重點不是系統多強，而是團隊願不願意每天記錄；搭配自動化把詢問自動寫進 CRM，可以減少手動輸入。
例子
一家房仲把官網、房屋平台和 LINE 進來的詢問，自動寫進 CRM，依區域分給經紀人；三天沒聯絡，系統就提醒。
也叫：企業資源規劃、Enterprise Resource Planning、進銷存系統
ERP（企業資源規劃系統）是把採購、庫存、生產、銷售、會計等公司核心作業，放在同一套系統管理的軟體。
台灣中小企業常聽到的「進銷存系統」，或鼎新、SAP、Odoo，多半就是 ERP 或它的一部分。
ERP 的價值是「一份資料大家共用」：業務接單，倉庫看得到；出貨後，會計可以直接開帳。
ERP 通常是公司的正式帳務來源，改動要很小心。常見做法是從旁邊串接：讀取需要的資料、匯入整理好的資料，而不是直接改 ERP 本身。
例子
客人在 LINE 問「我的貨出了沒」，系統自動查 ERP 的出貨紀錄和物流單號後回覆，業務不用一筆筆查。
也叫：製造執行系統、倉儲管理系統、Manufacturing Execution System、Warehouse Management System
MES（製造執行系統）管理工廠現場的生產進度與品質，WMS（倉儲管理系統）管理倉庫裡每件貨的位置、進出和盤點。
ERP 管的是「公司要生產什麼、賣什麼」。MES 管的是「現場正在做什麼」：哪張工單在哪台機台、做了多少、良率多少、誰做的。
WMS 管的是倉庫裡的細節：貨放在哪一排哪一格、先進先出、揀貨路線、每一筆進出紀錄。
三套系統的資料要對得上，才答得出「這張訂單什麼時候能出貨」。常見的問題是各系統各記各的，要靠人手動核對；串接的重點就是讓資料自動同步。
例子
一家金屬加工廠的業務常被客戶問交期。把 MES 的工單進度和 WMS 的庫存接起來後，業務可以直接查到這批貨做到哪一站、成品入庫了沒。
也叫：Messaging API、LINE Bot、LINE OA 串接
LINE Messaging API 是 LINE 提供的開發介面，讓 LINE 官方帳號和你自己的系統串接，自動接收和回覆訊息。
客人傳訊息給官方帳號時，LINE 會用 Webhook 把訊息送到你的系統。系統可以查資料、交給 AI 草擬回答，再透過 Messaging API 回覆客人。
訊息分兩種：回覆客人來訊的「回覆訊息」，和店家主動發出的「推播訊息」。依 LINE 官方說明，推播訊息會算進官方帳號方案的每月訊息量，回覆訊息不算。各地區方案不同，以 LINE 官方公告為準。
以前很多人用來發通知的 LINE Notify，已在 2025 年 3 月 31 日結束服務。LINE 官方建議改用 Messaging API，透過官方帳號發送通知。
例子
一家美容診所把預約系統接上 LINE 官方帳號。客人在 LINE 預約後收到確認，前一天收到提醒，想改時間可以直接回覆。
也叫：AI Voice Agent、AI 電話客服、AI 電話接聽
AI 語音客服是能接聽或撥打電話、聽懂來電者說的話，並即時用語音回應的 AI 系統。
它通常由三段組成：把聲音轉成文字的語音辨識、理解問題並決定怎麼回答的語言模型，以及把回答念出來的語音合成。
適合處理常見、答案固定的來電，例如營業時間、地址、預約和改期。下班時間或電話忙線時，也能先接起來，記下對方的需求。
它也可能聽錯或答錯，尤其遇到口音、背景噪音或國台語夾雜時。實務上會限制它能回答的範圍；遇到不確定、客訴或緊急狀況，就轉真人或留言回撥。也建議一開始就讓來電者知道正在跟 AI 說話。
例子
一家診所晚上沒人接電話。AI 語音客服在下班後接聽，回答門診時間，登記客人想預約的時段；隔天早上由櫃台確認後回電。
也叫：真人接手、Human handoff、轉接專人
轉真人是指聊天機器人或 AI 客服遇到處理不了、或不該由它處理的狀況時，把對話交給真人客服接手。
好的 AI 客服不是什麼都自己答，而是知道什麼時候該停。常見的轉真人時機：客人要求找真人、客訴或情緒激動、牽涉退款或合約、AI 查不到答案、連續答錯。
轉過去時，要把前面的對話和整理好的重點一起交給真人，客人不用從頭再講一次。也要讓客人知道大概多久會有人回覆。
真人接手後，AI 要暫停自動回覆，避免兩邊搶著回。下班時間沒人可接，就請客人留下聯絡方式，隔天回覆。
例子
客人在 LINE 問「上次做完雷射，臉一直紅腫怎麼辦」。AI 判斷這是術後狀況，不自己給建議，立刻通知值班護理師接手，並把客人前面說過的內容一起轉過去。