這篇文章解決什麼問題？ 教你把自行車店裡最吃時間、又重複的四件事——回選車諮詢、安排保養預約、揪團騎乘活動、回覆零件相容詢問——交給 AI Agent 分擔，讓師傅專心待在工作台、把門市人力留給真正想試騎的客人。誰適合讀？ 單店車行老闆、連鎖自行車門市店長、單車品牌的行銷與門市人員，店裡人手不多、訊息與電話卻接不完，想把自己從手機與電話前解放出來。讀完你會得到什麼？ 一套可以照抄的 Prompt 範本、一張看得懂的 Workflow 流程圖，以及一間台灣自行車店導入前後的真實成果數據，讓你今天就能動手試。
免責聲明：本文為教學與觀念說明，所列工具、做法與數據僅供參考。零件相容、保養工時與騎乘安全相關判斷，務必由專業師傅實機確認；活動揪團涉及保險與安全責任，請依實際情況評估。重要決策仍應由人把關。
為什麼自行車店最該導入 AI Agent
自行車這一行有個很特別的結構：門市賣的是專業，賺的卻常被重複問題稀釋。一台車從入門通勤到競賽公路，價差可以拉到十倍以上，顧客在掏錢前一定要問清楚：「我預算兩萬，通勤用，要買哪一台？」「我身高 170 騎這台尺寸對嗎？」「這台跟那台差在哪？」這些問題答案幾乎固定，卻每天重複幾十次，把門市人員與師傅的時間切得稀碎。
更吃力的是師傅的時間最貴、也最該留給工作台。車店的核心戰力是會調車、會保養、會判斷安全的師傅，可是他們常常被迫放下扳手去接電話：「我的變速跳齒要怎麼處理？」「保養大概多少錢、要排多久？」「我這條鏈條配得上你們的飛輪嗎？」每一通都打斷手上的工序，一天下來工時被零碎詢問吃掉一大塊。
再加上活動與回廠是自行車店的命脈。揪團騎乘、新車試乘會、季節保養檔期，每辦一次就要重寫文案、開報名、追人數、發提醒；保養又有明確週期，過了該回廠的時間卻沒人提醒，顧客就忘了、生意就流失了。
這些痛點有一個共同點：規則其實很清楚、可以寫下來，卻吃掉你大量時間與專業人力。這正是 AI Agent 最擅長的領域。它不像舊式的關鍵字機器人只會比對罐頭話術，而是能讀懂語意、跨輪對話、查你的知識庫、照你的規則回答，並在判斷自己處理不來（例如客製改裝、安全爭議、高價訂車）時乾脆轉給真人。對人力精實、又高度依賴師傅專業的台灣自行車店來說，這不是要取代師傅，而是把師傅從重複詢問裡釋放出來，回到該守的工作台與該服務的試騎現場。
核心概念：自行車店 AI Agent 的四個分身
不要把 AI Agent 想成一個無所不能的萬能技師。比較務實的想法是：你雇用了四個各司其職的「數位分身」，每個只負責一件事，但都做得又快又穩、不會累、不會忘、不會在師傅趕工時來打斷。
| 分身 | 負責工作 | 你要給它的「知識」 | 何時該轉真人 |
|---|---|---|---|
| 選車諮詢分身 | 依預算、用途、身高、騎乘距離推薦車款並列比較、報價、查庫存顏色 | 完整車款規格、價格、適用身高表、用途分類、庫存與顏色 | 客製改裝、高價訂車、分期金流、跨店調貨確認 |
| 保養預約分身 | 用結構化問答收集車況與時段、整理工單、回覆保養項目與大致工時 | 保養項目與工時表、收費級距、可預約時段、店休與排程規則 | 安全相關判斷、實際工時評估、疑難雜症診斷 |
| 活動揪團分身 | 依路線與檔期批次產出活動文案、社群貼文、報名追蹤、行前提醒 | 路線特色、難度、集合補給安排、目標客群、店家風格、報名規則 | 保險與安全責任、領騎人安排、天候取消決策 |
| 零件詢問分身 | 依相容表回答零件適配、規格對照、是否有現貨 | 零件相容對照表（飛輪速別、座管尺寸、束徑、煞車規格）、庫存 | 精密改裝、不確定個案、實機安裝判斷 |
這四個分身的共同地基，是一份結構化的知識庫。AI Agent 之所以可靠，不是因為它「很懂車」，而是因為你餵給它的規則夠清楚。知識庫越完整、邊界越明確，分身就越不會亂配；反之，知識庫含糊，AI 就會自己「腦補」規格，反而幫倒忙、甚至配錯尺寸引發退貨。所以真正的工作不在「設定 AI」，而在「把師傅腦袋裡的選車與相容邏輯寫下來」。
這也帶出一個常被忽略的原創觀點：自行車店導入 AI 的真正門檻，不是技術，而是專業知識的數位化程度。很多車行的選車邏輯、零件相容判斷，全靠老師傅的經驗在心裡，新人一來就接不住、客人問了答不出。導入 AI 的過程，會逼你第一次把這些隱性的專業寫成白紙黑字——這份知識庫不只餵給 AI，也順便變成最好的新人訓練教材。換句話說，你導入的不只是一個機器人，而是一次把老師傅經驗「外接備份」的傳承工程。
實際教學：五步把四個分身建起來
Step 1：盤點重複工作，挑出最吃師傅時間的那一塊
先別急著找工具。拿出一張紙，把店裡一週內「被同樣的問題或同樣的任務打斷」的事全列出來，並標上頻率與耗時，特別標記哪些會「打斷師傅手上的工序」。常見的有：回選車諮詢私訊、接保養預約電話、發揪團活動文案、回零件相容詢問、提醒回廠保養、報庫存與顏色。
接著用「頻率 × 耗時 × 打斷師傅程度」三個維度排序。越吃師傅時間、頻率越高、規則越明確的，就是最該優先交給 AI 的。對大多數車行來說，第一個該交出去的通常是「選車諮詢」或「保養預約」這兩個最常打斷工作台的環節。先做一個、做順了再擴張，不要一次想全包。
Step 2：建立車款與保養知識庫
這一步最不性感，卻決定整套系統的成敗。把以下內容整理成一份結構化文件（用 Google 文件或試算表都行）：
- 車款與規格：每款車的車種（通勤、城市、登山、公路、電輔）、車架尺寸、適用身高、變速與煞車等級、重量、價格、目前庫存與可選顏色。
- 選車對照：不同預算帶推薦哪些車、不同用途（通勤、健身、長程、越野）對應哪些車種，方便 AI 依需求配對。
- 保養項目：各項保養（基礎調校、煞車調整、變速調整、補胎換胎、鏈條保養、大保養）的內容、大致工時、收費級距。
- 零件相容：常見規格對照，例如飛輪速別、座管直徑、把手束徑、煞車類型（碟煞／圈煞）的相容原則。
- 政策與排程：可預約時段、店休、訂車與訂金規則、退換貨與保固政策。
寫的時候有個鐵則：寧可寫「此項請由師傅實機確認」，也不要留白讓 AI 自己猜規格。每多寫一條邊界，就少一次 AI 配錯尺寸的機會。
Step 3：設定選車諮詢 Agent
把知識庫接給 ChatGPT、Claude 這類工具（進階一點可串 LINE 官方帳號），並用一段系統提示詞框住它的角色與邊界。核心原則有三：只照知識庫推薦、查不到或牽涉客製就轉真人、報價列清楚明細。本文後面的 Prompt 範本可以直接套用。
設定完務必做「壓力測試」：故意問刁鑽問題——「我要參加比賽，預算十萬，買哪台？」（超出庫存就該轉真人）、「我身高 155 騎得了這台嗎？」（尺寸邊界）、「幫我把這台改成電輔車」（客製改裝），看它會不會亂配、會不會該轉真人卻硬答。測到它在邊界上表現穩定，再正式上線。
Step 4：建立保養預約與活動揪團流程
保養端：建立一個「結構化問答」流程，讓 AI 依序問車款、症狀描述、上次保養時間、希望時段，整理成一張清楚的工單交給師傅排程。AI 只負責把資訊問齊、回覆大致工時與收費級距，實際能不能修、要修多久，由師傅看了工單再定。這樣就能砍掉大量電話來回。
活動端：揪團與試乘會是車店凝聚社群的關鍵，也最適合用 Prompt 範本批次生產。建立一份「活動文案產生器」提示詞，每次辦活動只要填入路線、難度、集合補給、客群與報名規則，就能一次產出社群貼文、LINE 推播、報名表文案。重點是讓 AI 寫草稿、由你定調，修掉浮誇與不實字眼（例如「保證破 PB」「最安全」這類絕對化用語）再發布。
Step 5：設計零件詢問與回廠回購觸發
零件端：把相容對照表接給 AI，讓它依顧客車款先給初步適配答案，並一律附上「實際安裝請以師傅檢查為準」。標準詢問（飛輪速別、座管尺寸、現貨與否）由 AI 擋下，精密改裝與不確定個案轉師傅。
回廠端：依保養週期把顧客分成「該回廠、快到期、沉睡」三群，分別設計提醒訊息：剛買新車的給首次回廠調校通知、定期保養客給季節保養提醒、許久未回的給健檢優惠喚醒。控制每月發送上限、附退訂，並每週看一次回廠率，把成效差的訊息淘汰、把顧客常問卻知識庫沒寫的問題補回去。知識庫是活的，要持續餵養。
範例：Prompt 與 Workflow
以下是可以直接複製的選車諮詢 Agent 系統提示詞。把方括號內容換成你的資料即可。
你是「[車店名]」自行車店的線上選車諮詢助理，服務台灣的單車顧客。
【你的任務】
依顧客的預算、用途、身高、騎乘距離，從〈車款知識庫〉推薦合適車款並做比較，回答規格、價格與庫存顏色。
【你必須遵守的規則】
1. 只能依據下方〈車款知識庫〉推薦與報價，知識庫沒寫的規格一律不准自己編。
2. 推薦前先確認四件事：預算、主要用途、身高、平常單趟騎乘距離；缺哪項就先問。
3. 涉及客製改裝、高價訂車、分期金流、跨店調貨、競賽級需求超出庫存 → 回覆「這部分我幫您轉接門市師傅評估」並停止推薦細節。
4. 報價一定列明細：車款 + 尺寸 + 顏色 + 價格，並標示適用身高範圍。
5. 尺寸務必依〈適用身高表〉提醒，落在臨界值就建議到店試騎。
6. 語氣：台灣車友口語、親切、簡短，不浮誇、不用絕對化字眼（最快、保證、最安全等）。
【車款知識庫】
（貼上你的車款、規格、適用身高表、價格、用途分類、庫存與顏色）
【回覆格式】
先列出 1～2 款推薦並說明理由，再附一句「想到店試騎可以幫您安排時間，需要嗎？」下面是這套諮詢與預約 Agent 的 Workflow 文字版流程圖，看懂它就懂整個運作邏輯：
顧客私訊／LINE 訊息進來
↓
AI 判斷意圖：選車？保養？零件？活動？
↓
┌────────────┴────────────┐
↓ ↓
標準詢問（規格／相容／時段） 客製改裝／高價訂車／安全爭議
↓ ↓
AI 依知識庫先問齊條件再回答 回「幫您轉接門市師傅評估」
↓ ↓
保養類 → 整理成工單給師傅排程 師傅接手診斷與報價
↓
顧客追問？──是──┐
↓否 └→ 回上一步
結束並記錄常見問題
↓
每週彙整：把顧客常問、知識庫沒寫的補進知識庫這張流程圖的精神是「標準的快答、專業的快轉」。AI 不是要把師傅的判斷攬下來，而是把八成的重複詢問與預約收件擋在前面，讓師傅專心處理那兩成真正需要動手與經驗的事。
常見錯誤
- 知識庫留白，期待 AI 自己補規格：適用身高、零件相容沒寫清楚，AI 就會亂配，輕則報錯價、重則配錯尺寸要退貨。寧可寫「請師傅確認」也別留空。
- 讓 AI 直接判斷零件相容與安全：碟煞圈煞、飛輪速別、煞車安裝這類牽涉安全的事，一定要附「以師傅實機檢查為準」，並把不確定個案轉真人。AI 硬答有安全風險。
- 想一次自動化全部：四個分身一起上，結果每個都沒調好。先做選車諮詢或保養預約一個，順了再擴張。
- 活動文案直接照發不審稿：AI 可能寫出「保證破 PB」「全台最安全路線」這類誇大或不實字眼，發出去有觸法與安全爭議風險，務必人工過目。
- 保養預約讓 AI 自己決定能不能修：AI 只該收件問齊資訊、整理工單，工時與可行性由師傅定，否則容易承諾跳票。
- 回廠提醒狂轟濫炸：不分眾、不控頻率，顧客很快封鎖你。分群、限頻、附退訂是底線。
- 上線後就不管了：知識庫是活的。新車到貨、零件停產、保養調價卻沒更新，AI 就會講錯。把「每週回補知識庫」排進固定流程。
最佳實務
- 先標準化，再自動化：導入前先把選車邏輯與保養項目寫成 SOP，這份 SOP 同時是 AI 知識庫與新人訓練教材。
- 明確劃出師傅邊界：把「客製改裝、安全判斷、高價訂車、實際工時」清楚寫進提示詞，讓 AI 知道何時該收手、轉給師傅。
- AI 寫草稿、人定調：活動文案、回廠提醒都讓 AI 產初稿，由你挑語氣、修風險字眼再發。
- 尺寸與相容一律加保險語：凡涉及適用身高、零件適配，都讓 AI 主動提醒「以實機試騎或師傅檢查為準」，把安全責任留在人這邊。
- 分眾經營回廠：該回廠、快到期、沉睡三群用不同訊息與優惠，比一視同仁有效得多。
- 每週看數據、每週回補：盯回廠率、客服轉師傅比例、活動報名數、選車諮詢轉到店試騎的比例，把表現差的淘汰、把顧客常問的補進知識庫。
- 保留人味與專業感：AI 負責量與速度，最終的選車建議溫度、活動領騎與師傅的專業判斷由人把關，這是自行車店這種強信任、強社群生意的關鍵。
實際案例：台灣中型自行車店導入前後
以一間在北部有 3 間門市、主打通勤與休閒車款的自行車店「示意單車」（化名）為例。導入前，每店只有一到兩位師傅加一位門市人員，每天被四件事壓得喘不過氣：LINE 與電話的選車諮詢、保養預約的電話來回、每月揪團活動的文案與報名追蹤、零件相容的零碎詢問。
導入前的狀況：
- 選車諮詢私訊與電話平均要等 20 分鐘到一小時才有人回，師傅常被迫放下手上的車去接，工序一再中斷。
- 保養預約全靠電話，一來一回問車況、喬時段常打三四通才約成，尖峰時段乾脆漏接。
- 每場揪團活動文案要花半天寫，報名靠人工在群組數人頭、私訊催繳，常忙到活動前一晚還在對名單。
- 零件相容詢問雖然單筆不難，但量大又零碎，師傅一天被打斷十幾次，專注度被切碎。
導入做法： 先把 3 間門市共用的車款規格、適用身高表、用途分類、保養項目工時、零件相容對照寫成一份知識庫，接上 LINE 官方帳號做選車諮詢與保養預約分身；同步建立活動文案產生器與零件相容問答；回廠端依保養紀錄分成三群做回廠提醒。整個建置由老闆加一位門市人員、搭一位外部顧問，花約三週完成，沒有自建系統。
導入後三個月的成果數據：
- LINE 選車諮詢與零件詢問首次回覆時間，從平均 20 分鐘到一小時，縮短到 1 分鐘內（標準問題由 AI 即時回答），約 78% 的訊息不需師傅介入，工作台被打斷的次數明顯下降。
- 保養預約改用結構化問答收件後，平均約成一筆預約的往返訊息從三四輪降到一輪，師傅每天看的是整理好的工單而非零散電話。
- 揪團活動文案產製時間從每場約 4 小時，降到約 40 分鐘（AI 出三版草稿、由老闆挑稿微調），報名追蹤也由 AI 彙整名單，活動籌備不再熬夜對表。
- 回廠分眾提醒上線後，沉睡客（半年以上未回廠）的回廠率較前一季提升約 4.1 個百分點，且因控制頻率與附退訂，封鎖率未明顯上升。
值得注意的是，這間車店並沒有因此裁掉任何人。師傅把省下的時間拿去做更難自動化、也更能創造價值的事——多接了客製組車與深度保養的單；門市人員則能把心力集中在到店試騎的顧客身上，成交率反而提升。這正呼應前面的觀點：AI Agent 的價值不是省人頭，而是把師傅與門市從重複詢問裡贖回來，去做只有人做得到的事。
結論
自行車店是個高度依賴師傅專業、又被零碎詢問不斷打斷的生意，這些特性看似讓它很難導入 AI，其實正好相反——問題越重複、規則越清楚，AI Agent 越能幫上忙。你不需要工程師，也不需要砸大錢自建系統，只要先把師傅腦袋裡的選車邏輯、保養項目與零件相容寫成一份結構化知識庫，再用本文的 Prompt 範本與 Workflow 流程圖，分階段把選車諮詢、保養預約、活動揪團、零件詢問四個分身建起來。
記住三個關鍵：先標準化再自動化、標準的快答專業的快轉、AI 寫草稿人定調。先挑最常打斷師傅的那一塊做順，再逐步擴張，並把「每週回補知識庫」當成固定習慣。同時別忘了，凡涉及尺寸、相容與安全，一律讓 AI 加上「以師傅實機確認為準」，把安全責任牢牢留在人這邊。當這四個分身穩定運作，你會發現師傅終於能安心待在工作台，門市也終於能好好陪那位想試騎的客人挑到對的車。
想找現成可套用的範本，可以逛逛 任務食譜書 與 Workflow 自動化流程範本；想先把客服與諮詢 Prompt 寫紮實，建議搭配 ChatGPT Prompt 教學 一起讀。
❓ 常見問題 FAQ
自行車店沒有工程師，也能導入 AI Agent 嗎？
選車牽涉專業，AI 推薦得準嗎？會不會亂配？
零件相容很複雜，後變、卡式飛輪、座管尺寸都不同，AI 答得來嗎？
揪團騎乘活動用 AI 規劃，會不會很沒溫度？
保養預約交給 AI，會不會排錯時段或漏掉重要車況？
🔗 延伸閱讀
每週把這類實戰教學寄給你
訂閱 AgentAI 智庫情報週報，新的 Prompt、AI Skills、工作流與教學第一時間收到。
免費 · 隨時取消