「AI 會不會亂講」是導入前最常見的疑慮

大型語言模型本身是靠訓練資料生成文字，沒有額外設計的話，遇到不知道的問題也會 生成一個聽起來合理但其實是編的答案——這正是多數企業不敢直接把通用 AI 接上 客服的原因。

讓 AI 查資料再回答，而不是靠記憶生成

降低亂答風險的做法是檢索：AI 回覆前先去查一份知識庫或呼叫工具拿到實際資料， 再用查到的內容組答案，而不是純靠模型自己的記憶回答。這也是為什麼 OakXgen 的 每則 AI 回覆下面，只要有用到查詢結果，就會出現參考清單，列出這次答案是根據 哪些來源——看得到參考，代表這次真的有查資料；同一個問題每次答案風格差很多卻 都沒有參考出現，通常代表資料來源沒設對或查不到東西，這是判斷「AI 是不是在瞎猜」 最直接的方法，詳見 怎麼從一則回覆確認 AI 真的查到了什麼。

範圍可以縮到比 agent 本身更小

一顆 agent 掛的知識庫與工具，是它能力的上限。但同一顆 agent 底下不同服務場景該 查的東西通常不一樣——例如「療程諮詢」場景只該查價目表，不該查到「訂單查詢」 場景用的訂單 API。OakXgen 讓場景層級可以再縮小一次範圍：全部、自選幾項、或完全 不查、只用寫死的文字回答，三選一。這代表越單純、越不需要即時資料的場景，可以 直接關掉查詢，降低查到不相關資料的機率，設定方式見 諮詢查詢場景：資料來源與工具範圍怎麼縮小。

查不到的時候，該轉真人而不是硬猜

檢索加參考來源能降低亂答機率，但沒辦法讓 AI 對「知識庫裡真的沒寫」的問題生出 正確答案。這種情況下該做的是判斷轉真人，而不是逼 AI 硬答——轉真人的觸發邏輯 （客人要求真人、AI 連續答不出來幾次、對話帶負面情緒關鍵字）設定在 agent 本身， 見轉真人怎麼觸發。