建立 AI 助理
1. 建立 AI 助理
進入左側功能欄 「AI 功能」中「AI 助理」，點選右上方的 「+建立AI助理」。
2. 為您的 AI 助理 命名
選擇 「基本設定」 頁籤，在 「AI 助理名稱」 欄位，填寫 AI 助理的名稱。可以針對這位 AI 助理的主要任務來命名，例如 XX AI 客服， XX 法規查詢小幫手，XX 專案智慧助理。
一個帳號可建立多個 AI 助理 （依購買方案內容有數量上的限制）
3. 選擇 RAG，讓 AI 助理更聰明、回答更精準
什麼是 RAG
可以把 RAG 想像成一 「擅長對話的助理 + 一位很會查資料的圖書館員」 的集合體。
一般的 AI 助理就像一位記憶力超好、很會講故事的人，但他只能說出自己以前學過的知識。但當 AI 助理搭配了 RAG 技術，就像是這位助理在回答問題前，會先跑去圖書館找最新資料，再把找到的內容整理成自己的話，清楚地回覆給您。
在 MaiAgent 平台 中，這個 「圖書館」 就是我們的 知識庫。AI 助理將運用 RAG 技術從知識庫中找出相關資料，讓回答更加準確、即時且貼近需求。
知識庫的設定方式，將於下一節詳加說明。
RAG 設定方式
選擇 「RAG 設定」 頁籤，在 「RAG」 下拉式選單當中，挑選不同的 RAG（Retrieval-Augmented Generation，檢索增強生成）。如無特殊需求，預設為 MaiAgent RAG。
相較 OpenAI RAG，MaiAgent RAG 提供更多附加功能，可靈活應用不同部署需求，處理更多元資料處理格式，提供更強大的檢索與生成體驗。
詳細差異比較請查看 什麼是 RAG？Maiagent RAG 與 OpenAI RAG 的比較表
4. 選擇模型，幫 AI 助理挑選一顆聰明的大腦！
語言模型選擇目的
每個 AI 助理的表現，很大部分取決於其大腦——也就是他所使用的語言模型（LLM）。在這個步驟中，您可以依照需求選擇不同種類的模型，從回覆速度、理解能力到回答的深度與自然程度，都會有所影響。
選對模型，就像幫助 AI 助理開啟高效模式，為您的應用場景量身打造最佳體驗！
語言模型設定方式
選擇 「RAG 設定」 頁籤，在 「LLM 模型」 下拉式選單當中，可以挑選不同的大型語言模型，如無特殊需求，預設為 Claude 3.7 Sonnet。
5. 針對應用場景建立角色指令
為了讓 AI 助理更貼近不同應用需求，您可以為其設定 「角色指令」，讓 AI 回答的風格與內容更符合場景情境。
無幻覺的生成式 AI 回覆機制
MaiAgent 的 「無幻覺的生成式 AI 回覆機制」 能確保 AI 在回答問題時保持高度的準確性，當面對不確定或超出知識範圍的問題時，會坦誠表達自己的限制而非產生虛構答案，為用戶提供更可靠、更值得信賴的 AI 互動體驗。對於各產業與公部門的應用重要性說明如下：
應用金融業：
在處理投資建議、風險評估時，AI必須基於確實的數據提供分析，避免產生不實資訊導致錯誤的投資決策。當資訊不足或不確定時，系統會明確告知，確保投資決策的可靠性。
醫療產業：
在協助醫療診斷、藥物諮詢時，AI系統必須嚴格遵循已知的醫學知識，不能憑空生成可能誤導病患的建議。對於新穎或未經驗證的醫療資訊，系統會明確表示需要進一步專業諮詢。
製造業：
在生產流程優化、品質控制等應用中，AI 必須基於實際的生產數據和驗證過的方法提供建議，避免因不準確的預測導致生產損失。
教育產業：
在輔助教學、解答學生疑問時，AI 需要提供準確的知識，而非可能誤導學習的錯誤資訊。對於複雜或模糊的概念，系統會坦承其理解限制。
法律產業：
在提供法律資訊和建議時，AI 必須基於現有法規和判例，而不是提供可能具有法律風險的臆測性建議。系統會明確指出需要專業律師進一步確認的事項。
客服諮詢：
在處理客戶諮詢時，AI 必須提供準確的產品資訊和服務說明，對於無法確定的問題，會立即轉介給相關專業人員，避免誤導客戶。
選擇適合的回答模式建立指令
選擇 「回答模式」 頁籤，從自由對話到高度結構化回應，滿足各式業務需求。每種模式各有特色與適用範圍，您可以依照實際使用情境靈活選擇。
6. 預先分配助理權限
選擇 「權限設定」 頁籤，可以設定助理預先需要被分配到給哪些成員進行訪問，預設為全選加入至所有角色，可根據使用情境修改設定。
7. 完成您的 AI 助理建立
以上步驟輸入完後，按下對話框右下角的藍色 「確認」 按鈕即可完成設定 🎉。
Last updated
Was this helpful?