三個系統。都在營運中。
接上你的訂房系統，AI 才查得到真的房況。
AI 旅宿訂房
接進訂房系統與房價日曆。查空房、算房價、出訂房連結。
- 即時空房。含平假日、加人、寵物、早餐規則
- 訂房連結預填日期人數，可帶折扣碼
- 國定假日自動換算，不由模型推測
- 議價與客訴轉真人，即時通知經營者
- 多個 LINE 官方帳號，共用同一套規則
AI 客服
模型跑在你的機器上。答得出來就答，答不了就交給你的人。
- 對話留在自有機房，不經第三方服務
- 工具呼叫，直接查內部資料庫與知識庫
- 真人接手：推播通知、一鍵切換、不漏接
- 官網浮動視窗與 LINE 官方帳號皆可掛載
- 語氣、權限與回覆規則，後台可調
AI ERP
你的進銷存、採購與訂單，用講的就能查。資料留在原系統。
- 自然語言查客戶、訂單、庫存與採購
- 接既有資料表，不另建資料倉儲
- 知識庫檢索。新進人員可直接提問
- 權限分層。敏感資料不進對外通道
- 可整套部署於自有機房
小K咖啡B&B。
八間民宿，一套系統。
深夜與連假的詢問，過去要等到隔天。現在 AI 直接查房況、報房價、給訂房連結。遇到議價或客訴，轉給真人。
系統跑在自有伺服器上。對話與客戶資料，留在自家區網。
它做的事。不只是回答。
會查、會算、會給連結。也知道什麼時候該交給真人。
你的房況，它查得到。
連動訂房系統，回覆真實空房。平假日、加人、寵物、早餐，都照房價日曆算
連結直接開。
日期人數已預填，點開就是報價頁。折扣碼可自動帶入
聽得懂節日。
端午、中秋自動換成正確日期。由程式換算，不讓模型猜
議價不自作主張。
訪客提預算或嫌價高，先問清楚再通知經營者。AI 不自行降價
先問人有沒有事。
接到物品毀損通報，先確認有無受傷。賠償再轉真人處理
真人隨時接手。
一喊真人就推播通知，AI 立刻安靜。後台一鍵切回，全程不漏接
八個帳號，一個大腦。
每間民宿各有 LINE 官方帳號與官網視窗，背後是同一套規則與資料
餐廳也一起。
查早午餐時段，附上招牌品項與預約方式
效能。實機量測。
數字全部量自這台營運中的伺服器。模型為 gpt-oss-120B。
回應速度。同時服務量。
一輪吃進約 10–12K tokens 的設定與對話。要不要查資料庫，系統自己判斷。
| 對話類型 | 實測 | 說明 |
|---|---|---|
| 設施詢問 | 2–4 秒 | 不查資料庫，直接回 |
| 查房況、報房價 | 6–10 秒 | 呼叫工具查即時空房 |
| 跨棟比較、包棟 | 10–14 秒 | 一次掃多間 |
| 設定 | 同時對話 | 體驗 |
|---|---|---|
| 標準 | 4 位 | 各自維持正常速度 |
| 現行八並行槽 | 8 位 | 顯示記憶體仍有餘裕 |
| 理論滿載 | 約 600–900 場/時 | 每場 3–5 輪 |
// 量測環境：Ollama + gpt-oss-120B，單張 NVIDIA RTX PRO 6000 96GB，內網延遲約 3ms。
實證。
自己先用。
建議客戶採用的架構，都先在自己的營運系統上跑過。
- 自己的 ERP，自己寫。
- 進銷存、採購、訂單、電子發票、成本報表與人事排班，全為自行開發，在正式環境運作超過十五年。談企業系統時，MAQ 是使用者，不只是供應商。
- 自己的 AI 諮詢，跑在自己的機器上。
- MAQ 的 AI 諮詢，執行於一台 AMD Radeon AI PRO R9700 地端主機，模型為開放權重的 Gemma 4。同一套架構，才拿來建議客戶。
- 軟體與硬體，同一個團隊。
- 系統開發、介面設計、模型部署與伺服器組建，在同一處完成。出問題時不必在軟體商與硬體商之間轉述。
觀光產業。歡迎洽詢。
詢問集中在深夜與連假。人力最難覆蓋的，也正是這兩段時間。同一套系統，依業態調整。
先看現況。
訂房、POS 與客戶資料放在哪裡，哪些問題天天重複回答。既有系統不必換。
決定運算的位置。
看資料敏感度與用量，選雲端 API 或自有主機。多數從雲端起步，用量成長再搬回機房。
接系統，做介面。
串訂房系統與房價規則，設定 LINE 與官網入口，並定義何時轉真人。
先開一間。
從單一品牌或單一時段起步。回覆品質與轉單狀況確認後，再擴到全部門店。