AI Agent 在駕訓班的應用：報名諮詢、排課提醒、考照資訊、學員問答全自動化

走進一間駕訓班的辦公室，最常聽到的就是電話聲與重複的問答。為什麼櫃台人員每天要把「學費多少、要考幾科、哪一天可以排車」講上幾十遍？為什麼學員報了名卻常常忘記上課時間，害得車輛空轉、教練乾等？為什麼明明都是固定資訊，卻得靠真人一句一句回？

這些問題，正是 AI Agent 最擅長處理的場景。本文用台灣駕訓班的真實情境，帶你一步步打造一個會自己回答諮詢、主動提醒排課、查詢考照資訊的 AI 代理，讓教練專心教車、櫃台不必再為相同問題反覆加班。

為什麼駕訓班特別適合導入 AI Agent

駕訓班的營運有三個特徵，讓它成為 AI Agent 的絕佳舞台。

第一，問題高度重複且答案固定。學費、班別、上課時段、考照科目這些資訊幾乎不變，學員問的也大同小異。這種「規則明確、答案穩定」的任務，正是 AI Agent 能放心接手的類型。

第二，諮詢有明顯的時段尖峰與離峰。下班後、週末晚上往往是學員上網查資料、傳訊息的高峰，但這時櫃台早已關門。錯過的每一則訊息，可能就是流失的一位學員。AI Agent 能 24 小時不打烊，把這些半夜的詢問接住。

第三，排課與提醒高度仰賴人工追蹤。學員忘記上課、臨時無法到班，造成車輛與教練的時間空轉，是駕訓班實際的成本損失。把提醒這件事交給 Agent 自動執行，能直接降低爽約率。

換句話說，駕訓班大量的人力，其實耗在「回答固定問題」與「追蹤提醒」上，而這兩件事正好是 AI Agent 的強項。

核心概念：AI Agent 不只是聊天機器人

很多人會把 AI Agent 跟過去 LINE 上的「自動回覆關鍵字機器人」混為一談，但兩者差很多。傳統關鍵字機器人是「死規則」，學員打的字稍微不同就答非所問；AI Agent 則能理解語意、判斷意圖，還能主動執行後續動作。

下面用一張表，看清三種做法的差別：

可以把 AI Agent 想成一位「永遠不下班、記性超好的櫃台助理」：它熟記所有班別與收費，半夜也能耐心回答學員的問題，遇到自己不確定的監理規定，會老實說「這部分請以監理站為準」，再把真正棘手的個案交給真人同事處理。這種「Agent 做初稿、真人把關」的分工，就是駕訓班導入的關鍵心法。

實際教學：五步打造駕訓班 AI Agent

Step 1：盤點櫃台最常被問的問題

先別急著碰任何工具。拿一張紙，請櫃台同仁回想：一週內被問最多的問題是哪些？通常會落在這幾類：

• 收費類：「學費多少？可以分期嗎？包含考照規費嗎？」
• 班別類：「平日班跟假日班差在哪？多久可以考照？」
• 排課類：「我想週六下午練車，還有位子嗎？」
• 考照類：「要考幾科？路考考哪些項目？沒過怎麼補考？」

把這份清單列出來，就是 AI Agent 第一階段要學會回答的核心知識。先解決八成的重複問題，比一開始就追求面面俱到更務實。

Step 2：把固定資訊整理成知識庫

AI Agent 不能憑空回答，它需要一份可靠的依據。把上一步盤點到的資訊，整理成一份結構清楚的文件，例如：

【班別與收費】
- 普通小型車（手排）：原價 NT$XX,XXX，含 X 堂課
- 普通小型車（自排）：原價 NT$XX,XXX，含 X 堂課
- 報名另須繳交監理規費，金額以監理站公告為準

【上課時段】
- 平日班：09:00–21:00，每節 50 分鐘
- 假日班：週六日 08:00–17:00

【考照科目】
- 筆試（道路交通安全規則）
- 場考、路考（依監理站規定）

這份文件就是 Agent 回答的「真相來源」。當未來收費調整時，只要更新這份文件，Agent 的回答就會跟著正確，不必重寫整套設定。這種「用你自己的資料回答」的做法，背後的技術概念可以參考 RAG 是什麼？讓 AI 用你的資料回答。

Step 3：寫好諮詢配方並設好護欄

接著替 Agent 寫一份「配方」，也就是 Prompt。重點不只是教它回答，更要教它什麼時候該說「我不知道」。一個負責任的駕訓班 Agent，絕對不能對監理法規亂下定論。完整的配方範例會放在後面的範例區。

Step 4：串接 LINE 官方帳號，讓學員用得到

寫好的配方要放在學員找得到的地方。台灣駕訓班最常用的就是 LINE 官方帳號。把 Agent 接上 LINE 後，學員加入好友、傳訊息，就能即時得到回覆。技術上可透過自動化工具串接，不必自己寫一行程式。

Step 5：自動排課提醒，降低爽約率

最後一步，是讓 Agent 從「被動回答」進化到「主動提醒」。設定一個每日排程：每天傍晚自動撈出隔天有課的學員名單，透過 LINE 推送提醒訊息。這一步能直接減少學員忘記上課造成的車輛空轉。先手動跑一週驗證名單正確，再正式自動化。

範例：Prompt 與 Workflow

諮詢 Agent 的 Prompt（可直接複製修改）

你是「OO 駕訓班」的線上諮詢助理，語氣親切、用台灣口語的繁體中文回答。

【你的任務】
回答學員關於報名、收費、班別、上課時段、考照流程的問題。

【回答依據】
你只能根據下方「班別資料」回答。不准自行編造任何數字或規定。
---
（在此貼上 Step 2 整理好的知識庫）
---

【護欄規則，務必遵守】
1. 凡涉及監理站規定、法規異動、規費金額、考照及格標準的問題，
   一律回覆：「這部分依監理站最新公告為準，建議您查詢監理服務網或來電由專人為您確認。」
2. 學員想報名、付款、改約時，回覆引導他「留下姓名與電話，營業時間將由專人聯繫」，
   不要自行承諾任何優惠或保留名額。
3. 遇到客訴、退費、糾紛，不要嘗試處理，直接回覆會請專人聯繫。
4. 不確定時，誠實說不知道，不要猜。

【輸出格式】
先用一兩句直接回答重點，必要時用條列補充，結尾主動問「還有其他想了解的嗎？」

Workflow 流程圖（文字版）

下面是「諮詢＋排課提醒」整合後的自動化流程：

學員在 LINE 傳訊息
        ↓
AI Agent 判斷問題類型
        ↓
   ┌────────────┬────────────┐
   ↓            ↓            ↓
固定資訊問題   監理/法規問題   報名/客訴
（學費班別）   （考照標準）   （需人工）
   ↓            ↓            ↓
依知識庫回答   回覆「以監理   留下姓名電話
            站公告為準」   轉交真人櫃台
   └────────────┴────────────┘
        ↓
（另一條排程線，每天傍晚自動執行）
        ↓
撈出隔天有課學員名單
        ↓
LINE 自動推送上課提醒
        ↓
學員未讀超過 X 小時 → 標記給櫃台追蹤

這張流程圖的精髓在於分流：能自動回答的就自動回答，不能的就誠實轉交真人，而排課提醒則獨立成一條定時自動跑的支線。

常見錯誤

錯誤一：讓 Agent 回答監理法規。 這是最危險的雷。考照及格標準、規費、法規常有異動，若 Agent 講錯害學員白跑一趟，傷的是駕訓班信譽。務必用護欄把這類問題擋下、導向監理站。

錯誤二：知識庫塞太雜、又不更新。 把過期的收費、停辦的班別留在資料裡，Agent 就會自信地給出錯誤答案。知識庫要精簡、定期維護，調價當天就更新。

錯誤三：一上線就全自動、無人複查。 剛導入時 Agent 難免有閘漏，應安排櫃台在前一兩週抽查對話紀錄，發現答錯就回頭修配方，而不是放著不管。

錯誤四：把報名、付款也交給 Agent 自動完成。 涉及金錢與承諾的動作風險高，應設成「需人工確認」，由 Agent 收集意願、真人完成簽約收費。

最佳實務

• 給最小權限：Agent 只負責「回答」與「提醒」，不碰收費與退費等高風險動作。
• 保留人工出口：每段對話都讓學員能輕鬆說「我要找真人」，避免被機器人困住的挫折感。
• 每月檢視一次對話：把學員問了、Agent 卻答不好的問題收集起來，補進知識庫，讓 Agent 越用越聰明。
• 訊息署名透明：在 LINE 自動回覆開頭標明「以下為線上助理自動回覆」，誠實揭露身分，反而提升信任。
• 尖峰離峰分工：白天讓 Agent 當櫃台的第一線過濾，晚上與假日讓它獨當一面，把人力用在刀口上。

實際案例：台中一間中型駕訓班的導入歷程

台中一間擁有十多位教練、學員數百人的駕訓班，過去面臨典型困境。

導入前：櫃台兩位人員每天約有三分之一的時間在接電話、回 LINE，反覆回答學費與排車問題；下班後與週末的訊息累積到隔天才回，常常學員已經改報別家。同時，每週約有十多筆學員忘記上課，造成教練與車輛空轉。

導入做法：他們先花一個下午盤點最常見的十五個問題，整理成知識庫，套用上面的諮詢配方接上 LINE 官方帳號；接著設定每天傍晚六點自動推送隔天的上課提醒。前兩週由一位櫃台同仁每天抽查對話，修正了幾處答得不夠清楚的地方。

導入後（約三個月）：

櫃台同仁的回饋很實在：「不是它取代我們，而是它幫我們把『一直重複講的那些話』講完了，我們才有時間好好跟現場學員聊、處理真正要動腦的事。」這正是 AI Agent 導入服務業最健康的樣貌——人機協作，而非無人化。

提醒：本文涉及的考照科目、規費與及格標準僅為示意，實際規定請以交通部公路局監理服務網最新公告為準。

結論

駕訓班的營運痛點，集中在「重複回答固定問題」與「人工追蹤排課提醒」這兩件事上，而它們恰好是 AI Agent 最擅長的領域。透過盤點問題、建立知識庫、寫好帶護欄的配方、串接 LINE、加上自動提醒這五個步驟，一間中小型駕訓班不必寫程式、不必大筆投資，就能讓櫃台從電話與訊息的轟炸中解放出來。

關鍵心法只有一句：讓 Agent 處理能標準化的，把需要判斷與人情味的留給真人。 想更系統地理解 AI Agent 的運作原理，可從 AI Agent 是什麼？從入門到實戰一次搞懂 開始；想找更多現成的自動化藍圖，歡迎參考本站的 工作流藍圖。先從你櫃台最常被問的那一題開始，今天就讓 AI Agent 替你回答它吧。

❓ 常見問題 FAQ

🔗 延伸閱讀

• AI Agent 是什麼？從入門到實戰一次搞懂
• MCP 是什麼？讓 Agent 連上工具的標準介面
• ChatGPT 指令教學：寫出好 Prompt 的方法
• RAG 是什麼？讓 AI 用你的資料回答
• 更多現成工作流藍圖