在這個案例車行的預約流程是：客人填寫LINE訊息要預約 → 車行客服檢查訂單資料是否完整 → 估算車資 → 填寫至線上行事曆。
本系統的核心目標是提供一個自動化且智能化的叫車服務與行程規劃解決方案，主要透過與通訊平台（如 LINE）整合，並利用大型語言模型（LLM）處理自然語言輸入，進而實現上述的行程規劃。

---

互動介面 (LINE Bot)

• 客人仍保持原本使用習慣，透過 LINE與本系統通訊。當用戶發送訊息時，系統會接收 Webhook 事件。
• 系統透過運用LLM(大語言模型)分析用戶想表達的意圖，並給予適當回覆，包括：訂車資訊表格、常見問題答案或訂單確認訊息。
• 例如，當系統識別到用戶有訂車意圖時，會發送訊息：「您好，請填寫訂車資訊\n1. 搭乘日期時間(年月日 時分)： \n2. 上車地點： \n3. 下車地點： \n4. 搭乘人數：」

---

LLM 意圖辨識，智慧應答，溝通零距離

• 精準意圖判斷：

  • faq (常見問題)：當客戶詢問服務價錢、時間或規則時。
  • order (填寫訂單資訊)：當客戶表達「想要訂車」或「提供搭乘日期、地點、人數等訂單細節」時。

• 自動分流與回應：將請求導向不同的處理流程。 ◦ 若為 faq，系統會在語料庫中向量搜尋出最高度相關的議題，並由LLM編寫文案答覆客人。 ◦ 若為 order，系統會引導使用者正確填寫必要資訊。

車行就有一個24待命的AI助手，這套系統能自動化初階的客戶互動與問題解答，大幅降低人力成本，並確保客戶無論何時都能獲得即時回應。

---

LLM 訂單資訊檢查，資料規格化

本案案例中，車行會要求客人必須提供：搭乘日期時間、上車地點、下車地點、搭乘人數，等四項資料。系統會解析乘客輸入的內容，自動識別並提示缺失的資訊，並自動將客人輸入的訊息，自動轉換。

• 乘車時間標準格式：每個人表達時間的方式不盡相同，除了確切時間外還有相對時間的表達方式，LLM都能自動轉換成標準格式。
• 地理編碼，定位精準無誤：
  • 系統會將乘客提供的上車和下車地點文字，分別呼叫 Google Maps Geocoding API 將其精確轉換為地理座標。這確保了路線計算的準確性。
  • 隨後利用這些地理座標，呼叫 Google Routes API，精準計算出預估的行駛距離和預估的行駛時間，找到最有效率的路線。
  • 根據計算出的行車里程距離，自動估算車資。計費規則清晰透明：起程距離 1.25 公里 (1250 公尺) 費用為 85 元，之後每 200 公尺加收 5 元。客戶能立即得知車資，提高信任感。
• 自動排程，告別人工建檔：
  • 在訂單確認後，系統會將完整的訂單資訊（包括搭乘時間、地點、預估距離、時間和車資）自動新增至Google日曆中。
  • 同時將這些詳盡的資訊自動回覆LINE訊息給客戶。

---

AI Workflow 自動化優勢

車行客服不再需要手動查詢地圖、複雜計算路線和車資、或手寫記錄排程。這套系統將整個叫車與排程流程自動化，從接單到出發，一氣呵成，大幅提升營運效率，並減少人為錯誤。

1. 大幅降低人力成本與錯誤率：AI 辨識意圖和自動化處理流程，減少了大量重複性的人工操作，讓您的人力資源能更聚焦於核心業務。
2. 顯著提升客戶滿意度：客戶能獲得即時回應、精準的行程規劃與透明的車資估算，顯著提升叫車體驗與信任度。
3. 營運效率全面升級：從客戶發出需求到訂單完成與排程，整個流程高速自動化，讓服務更具競爭力。

---

系統流程概覽

1. 使用者輸入 (Webhook)：LINE 用戶發送訊息。
2. 前置處理 (Code)：清理用戶輸入文本（移除引號、反斜線、換行符號），並獲取當前日期。
3. 意圖識別 ：使用 llama3 判斷用戶意圖（faq, order）。
4. 流程分流
5. 訂單資訊填寫與檢查，如果訂單資訊完整，則進入後續行程規劃，否則引導客戶補充資訊。
6. 訂單確認與行程規劃：
   • 資料解析：進一步解析 LLM 提取的訂單數據。
   • 地理編碼：使用 Google Maps Geocoding API 將上車和下車地點轉換為經緯度。
   • 路線計算：使用 Google Routes API 計算行駛距離和時間。
   • 費用計算與訊息生成：根據路線數據計算預估車資，並生成 LINE 回覆訊息（包含距離、時間、車資）。
   • 回覆用戶：將訂單摘要和預估資訊LINE訊息回覆給用戶。
   • 新增行事曆事件：將訂單資訊新增到Google日曆服務。