懂垃圾更懂你! 生成式AI結合 RAG 技術，打造新北市民的24小時智慧客服

---

背景概述與業主痛點

時至今日，新北市人口已晉升全台之冠，垃圾清運需求龐大而複雜，涵蓋一般垃圾、廚餘、大型垃圾等，是市民每日生活中最頻繁接觸的市政服務之一。隨著科技發展，民眾對於公共服務的即時性與便利性要求日益提高，然而，現行的垃圾清運諮詢服務仍面臨以下痛點：

• 一線人員諮詢負荷過重： 當市民遇到垃圾相關問題時，大多透過環保局的行政人員進行解答。大量重複性問題佔用人力資源，服務量能緊繃。
• 資訊分散且查詢門檻高： 市民需求通常分為兩大類：即時型（如清運時間與地點）及知識型（如資源回收規定）。過去資訊零散，往往需要透過關鍵字搜尋才能找到答案，缺乏直觀的口語化諮詢管道。
• 跨縣市法規不同： 台灣的廢棄物處理法規具高度在地性，各縣市的規定不盡相同。市民若透過一般搜尋引擎查詢，容易獲取錯誤的跨縣市資訊，導致錯誤分類或違規。
• 多元族群的語言隔閡： 新北市人口結構含大量外籍人士。現有網站雖提供英文介面，但對於使用其他語言的族群而言，仍存在隔閡，影響城市環境治理的共融性。

為解決新北市龐雜的垃圾清運需求與資訊斷層，信諾科技憑藉在 AI 領域的雄厚實力及豐富經驗，打造出結合生成式 AI 與即時數據串接的整合性解決方案，將傳統的單向查詢網頁轉化為雙向互動的智慧客服。

---

信諾科技的數位轉型計畫

憑藉多年的數位轉型經驗與在 AI 應用領域的深厚積累，信諾科技為新北市量身打造「新北垃圾收運小幫手」。透過小幫手，市民無須在官網海量的資訊內大海撈針，可透過自然語言輕鬆查詢回收分類類別、垃圾車站點等資訊。這次信諾突破傳統關鍵字查詢必須提供精確問題的侷限，導入生成式 AI 並結合先進的 RAG 技術與即時數據串接，構建出能精準回應市民需求的智慧化解決方案。

1. 突破關鍵字限制，自然語言意圖識別 （NLP）實現直觀互動：​​​​​​​

傳統查詢系統要求精確關鍵字，使用門檻高。本系統導入 GPT 模型，能精準識別用戶的口語意圖，並具備三大核心優勢：

• 自然語言理解：
  透過 NLP，系統能理解如「後天下午」或「哪裡可以丟？」等非標準化指令，打破傳統關鍵字查詢必須死板比對關鍵字的限制，對於較少接觸數位設備的長者尤為友善。以往一般民眾若要知道「烤肉架和蛤蜊要怎麼丟？處理方式為何？」這類較複雜的問題，因難以在官網獲取完整資訊，常需致電環保局詢問，現在僅需使用小幫手輸入問題，用對答方式即可解惑。

• 智慧雙軌分流：
  信諾團隊將常見問題分類為知識型（如：專用垃圾袋如何購買？烤肉架如何分類？）和即時型（如：我等等想在永和區公所附近倒垃圾）。接收到提問後，系統會自動判斷問題屬性。若為知識型，會引導至 RAG 框架主導之非結構化知識庫進行後續搜索；若為即時型，則串聯結構化的垃圾車班表資料庫進行搜索，並接入新北市垃圾車的即時動態資料庫 API，存取當前車輛位置與清運點資訊，最終結合用戶位置將數據轉化為即時行動指引。透過此分流架構，系統能合理調度運算資源，不僅大幅提升回應速度與準確率，更有效抑制 Token 消耗，實現降本增效。

• 多輪對話與主動追問：
  受益於 NLP 技術，系統能拆分並理解提問中的「人事時地物」，再透過引導式對話追問補齊缺少的資訊，如：市民僅說「我明天想倒垃圾」，系統判斷條件不足，便追問：「請提供所需收運之位置？」，直到所有查詢條件湊齊，系統才會給出答覆，將傳統單向搜尋轉化為引導式對答，提升易用性。​​​​​​​​​​​​​​
  ​​​​​

 

2. 導入 RAG 檢索增強生成技術：

傳統 LLM 在回答問題時，易產生幻覺編造錯誤資訊。為此，信諾團隊導入 RAG （Retrieval-Augmented Generation）技術，RAG 是一種新型人工智慧框架，時至今日已成為企業級 AI 應用的核心標準，更是引領未來智慧服務的主流趨勢。透過結合資訊檢索系統與 LLM，系統在使用者提問時先將問題轉換成向量，接著以演算法檢索（Retrieval）向量資料庫，再將相關資料增強（Augmented）提示，最終生成（Generation）答案。因內部資料庫能夠保證完全正確，又能持續更新、即時查詢，只要透過 RAG，就能有效解決 LLM 知識過時、易產生幻覺的缺點，保障回答可信度。此外，因為 RAG 能夠精準挑出並投餵資訊，不僅能加快運算速度，更可節省大量 Token，以低預算實現精確的 AI 問答。

3. 建立跨單位協作數據管道，從被動爬蟲轉向精準治理：

鑒於回收規定高度動態，若僅使用爬蟲擷取網站資料，容易產生資訊落差，信諾除了整合多個官網做為資料來源外，更與環保局進一步建立了資料更新協作管道，透過跨單位合作確保資料庫的正確與即時。在採集完畢後，團隊會將資料進行清洗分類並儲存於 MongoDB 資料庫，並使用 GPT 嵌入模型針對資料進行向量化處理，為問答功能提供堅實的數據基礎。​​​​​​​

4. 多語系與在地化，落實數位共融：

考量到新北市龐大的新住民與外籍人口，系統設計之初即納入多語系意圖識別能力，市民用熟悉的母語提問，系統即可精準理解並提供對應的清運資訊，落實社會共融。此外，鑑於各縣市法規存在差異，小幫手具備地域性提醒機制，明確告知查詢結果僅適用於新北市境內，避免市民混淆而意外觸法。

​​​​​​​

---

AI賦能，樹立智慧治理新標竿

「新北垃圾收運小幫手」的成功導入，標誌著市政服務已從傳統的人力應對，轉型為數據驅動的治理模式。信諾科技憑藉深厚的 AI 技術實力，整合 RAG 架構與即時數據 API，將龐雜的動態資訊與法規轉化為精準可靠的指引及資訊。未來，信諾將在 AI 落地應用的道路上持續前行，讓「智慧城市」不只是口號，也是市民有感的日常體驗。

回上一頁