民宿 AI 客服與知識庫平台

概述

商業專案，工作室負責 AI 應用與後端。這是一套以 LINE 官方帳號為入口的民宿客服：使用者問房型、房間細節、聯絡方式、預約或一般問題；明確要求真人或系統找不到足夠資料時，轉給人工客服，不讓 Agent 硬湊答案。

問題

三件事同時要成立。第一，房型名稱、政策名稱這類專有名詞，只靠向量搜尋不一定抓得準。第二，同一句話在不同民宿有不同答案，租戶不能只在登入時判斷一次。第三，AI 沒有證據時，需要一條安全的退路。

解法

FastAPI 接 LINE Webhook 並處理重複事件。LangGraph 把訊息分到房型、房間詳情、聯絡、預約、一般問題或人工轉接。檢索走向量搜尋加 BM25，再用 Weighted RRF 合併。Tenant Context 沿著整條路由往下傳。

系統架構

LINE Messaging API ──▶ FastAPI Webhook（驗證、去重）
                            │
                            ▼
                     LangGraph Agent ──▶ Intent Routing
                       │        │            │
                  民宿資料工具   RAG        人工轉接
                       │        │
                       ▼        ▼
                  PostgreSQL   pgvector + BM25 + RRF

主要功能

LINE Webhook 接收、驗證與重複事件處理
意圖路由：房型、房間詳情、聯絡、預約、一般問題、人工轉接
民宿資料工具與知識庫分離，房型與聯絡資訊不塞進 Prompt
文件解析、Chunking、PII Masking、Embedding 與索引
向量搜尋、BM25 與 Weighted RRF 在同一條檢索流程
Tenant Context、權限與 Provider 錯誤狀態

架構

RAG Pipeline

PDF / DOCX / Markdown ──▶ Parse ──▶ OCR 噪音過濾 / PII 處理 ──▶ Chunking ──▶ Embedding ──▶ pgvector
                                                    └──────────────────────────────────▶ Lexical Index

使用者問題 ──▶ Query Rewrite ──┬──▶ Vector Search ──┐
                               └──▶ BM25 ───────────┴──▶ Weighted RRF ──▶ Grounded Context ──▶ Agent

LINE Agent 流程

訊息進來
  ├─ 要求真人？──────────────────────▶ 人工客服
  ├─ 房型 / 房間 / 聯絡 / 預約 ──▶ 民宿資料工具 ──▶ 回覆
  └─ 一般問題 ──▶ RAG
                    ├─ 證據足夠 ──▶ 回覆（附來源）
                    └─ 證據不足 / Provider 失敗 ──▶ 安全 fallback ──▶ 人工客服