HyDE — Hypothetical Document Embeddings
LLM 先針對用戶問題生成假設答案，再以該假設答案的 embedding 進行向量檢索。文章式條目（item_type 為 article）專用，補強長文段的語意命中精準度。
Hybrid Search + RRF
pgvector cosine 相似度搜尋與 PostgreSQL ILIKE 關鍵字搜尋並行執行，以 Reciprocal Rank Fusion（k=60）合併排名。預設 hybrid_weight=0.3 偏向語意，可逐 bot 調整。
Multi-Query Retrieval
改寫後問題與用戶原始問題分別執行檢索，依 similarity 取最高分合併（merged map），避免 query rewrite 漏掉邊緣 case。固定回復判斷階段使用合併結果。
Query Rewriting + Compound Detection
LLM 自動將追問還原為含完整代詞與上下文的獨立問題（處理「他多少錢？」「上一個尺寸？」依賴前文的問題），並同步偵測是否為「一次問多件事」的複合提問。命中複合提問時自動拆解為多個獨立子問題，交付下游各自處理。改寫、偵測、拆解一次完成，避免轉真人誤判。
Topic Summary Auto-Compilation
當條目數 ≥ 5 時，LLM 自動將同主題群組化並生成摘要條目（item_type 為 summary）。摘要條目在 RRF 階段獲得 1.4× boost，加速整合性問題的命中。
Contradiction Detection
新條目寫入前先以向量相似度 ≥ 0.6 篩選候選，再呼叫 LLM 比對數字、政策矛盾。LLM 失敗時 graceful degradation 不阻擋寫入，回傳 has_contradiction=False。
三層回復架構
① 固定回復：相似度 ≥ 0.90、長度 > 4 字、非複合問題才觸發；② RAG：取 top-3 條目組 context，LLM 生成回應；③ Fallback：低於 min_similarity（預設 0.4）回安全話術。每層都有獨立閾值與條件，確保回答可追蹤。
多知識庫架構
每次檢索同時搜尋客戶私有 KB 與 system 共用 KB，結果合併 RRF 排名。系統 KB 命中可獨立通過 fallback 門檻，讓共用知識在客戶 KB 未命中時仍能救援。
Rich Media Reply with Per-Card Threshold
AI 回覆可同時帶出文字、圖片、連結，三大社群平台各走原生 multi-message 格式、官網 Web Widget 自家氣泡渲染。每張被引用的知識卡片各自獨立檢查語意精準度——只有跨過門檻的卡片才會貢獻圖文，杜絕「主題擦邊的條目被順手撈出無關圖片」的失誤。
pgvector + IVFFlat
PostgreSQL pgvector extension 儲存 1536 維 embedding（OpenAI text-embedding-3-small），ivfflat 索引（vector_cosine_ops, lists=10）支撐企業級檢索效能。
全自動真人接手機制
四種觸發類型（intent / ai_struggling / fallback / code）+ Pause Timer（Redis ai_disabled key TTL 控制）+ LLM 自動產生交接摘要（六大撰寫原則）。fallback counter 走 Redis 24h 滾動計數，達閾值（預設 2，可設 1–10）自動觸發。
Smart Handoff Structured Output
啟用 smart handoff 時 LLM 走 OpenAI strict JSON schema 約束輸出（reasoning / needs_handoff / intent / reply 四欄位），intent enum 鎖死候選值含「AI 無法處理」+ 商家自訂情境，避免 LLM 自由發揮造成解析失敗。
Multi-Platform OAuth & Webhook
LINE / Facebook Messenger / Instagram 三大社群平台 webhook 端點統一介面（如 /webhook/line/redis_id/bot_id），官網 Web Widget 走獨立 /api/widget/* 端點（無需 webhook），OAuth 2.0 流程支援 LINE Login / Google / Facebook / IG Graph API，CSRF token 走 Redis TTL。
Compound Question Handling
客人一次問多件事（如「水源在哪？高雄能不能安裝？」），系統自動拆成多個獨立子問題，對每個子問題分別執行完整 RAG 檢索與圖文配對，最終以多則訊息分批送出，每則只回該子問題的內容與對應媒體。避免合答時的圖文錯配與資訊壓縮，每件事都有自己的答案。
Knowledge Gap Auto-Tracking
凡是 AI 答不到的情境——fallback 安全話術、AI 自評答不到位、複合問題裡某個子題沒命中、智慧轉接觸發等——系統都會自動記錄成「知識缺口」，依熱度排序給管理員。老闆只要看清單就知道下一步該補哪幾條 KB，不需要人工翻對話紀錄。
Document Direct-Read Import
客戶把 PDF / Word / Excel 拖進後台，系統採用 GPT-5 級模型批次直讀整份文件——文件結構、表格、政策段落一次理解完整，自動拆解為知識庫條目。免去傳統「先用 OCR / 文字 heuristic 抽段落，再用小模型拼接」的多階段失真流程。
Inbound Image Strategy
客人把圖片丟進來時，每位商家可依場景選擇處理策略：① 自動轉真人客服處理（人像、現場圖、商品實拍）② 以文字提示客人「請以文字描述需求」 ③ 直接忽略不回應（避免雜訊干擾）。避免 AI 強行解讀圖片內容導致幻覺，也讓不同行業有彈性。
