Shelf
把散落的企業文件整理成有結構、有脈絡、可治理的知識，讓客服人員與 AI 都拿到正確答案
Shelf 是一家企業知識管理公司，官網首頁標出它被列為 2026 年 Gartner 客服知識管理系統魔力象限的領導者。它的核心觀點是：知識混亂的問題在 AI 出現前就存在，AI 只是讓它再也藏不住。多年來斷斷續續的維護，讓企業知識過時、錯誤、重複又互相矛盾，結構零散、缺乏脈絡，結果 AI 用了不該相信的資訊，員工也得花時間查證。
Shelf 的解法是 Shelf Cortex：把文件、檔案與其他知識來源轉成高品質、有結構、帶有脈絡的資訊，補上中繼資料、關聯、商業脈絡、品質控管與治理。流程分四步：轉換並結構化、加入公司特有的產品、政策、術語與營運規則等脈絡、套用權限與審核發布等治理機制，再持續找出過時、重複、矛盾或不完整的內容。
功能特色與適用場景：產品分兩條線，給業務與知識管理團隊的「AI 知識管理」保留熟悉的知識庫功能，再延伸到 AI；給技術團隊的「AI 資料層」則提供 Cortex as a Service，放在你自有的 AI 應用底下。客服場景有 Answer Assist、與聊天機器人整合、文件內搜尋與多語系，可以整合進 CCaaS 環境。案例包括 Glovo、DSW 一年處理時間降近 8%、HelloFresh 平均處理時間降 20%。台灣的銀行、電信或保險客服中心若正在導入 AI 客服，常卡在知識庫品質，Shelf 處理的正是這一層；不過它是企業級方案，中文內容處理要在評估時實測。
TheAI學院 編輯建議
編輯實測後的真心話很多 AI 客服專案失敗的原因不是模型，而是知識庫太亂；Shelf 專攻這個不性感但關鍵的環節。
主要功能
- Shelf Cortex 把文件轉成有結構、有脈絡的知識
- 加入產品、政策、術語等公司專屬脈絡
- 權限、審核與生命週期治理
- 持續偵測過時、重複、矛盾的內容
- Answer Assist 協助客服人員找答案
- Cortex as a Service 作為自有 AI 應用的資料層
適用場景
- 客服中心整理知識庫以降低處理時間
- 導入 AI 客服前先清理過時與矛盾內容
- 讓 RAG 應用取得有權限控管的企業知識
- 多語系客服團隊共用同一套知識
Shelf 的優點與缺點
優點
- 名列 Gartner 客服知識管理魔力象限領導者
- 同時服務真人客服與 AI 應用
- 可整合 CCaaS 與聊天機器人
缺點
- 未公開價格，屬企業級方案
- 導入需要知識管理團隊投入整理
- 中文內容處理需實測
價格方案
未公開標價，需洽詢專家，以官網為準
Shelf 常見問題
Shelf 跟一般知識庫有什麼不同？
Shelf 除了存放與搜尋，還會替知識補上結構、脈絡與治理，並持續偵測過時、重複或矛盾的內容，讓 AI 也能正確使用。
可以給自己的 AI 應用使用嗎？
可以，Cortex as a Service 就是放在既有 AI 應用底下的資料層。
有哪些客戶案例？
官網列出 Glovo、DSW、HelloFresh 等，HelloFresh 平均處理時間降低 20%。
使用者評價
還沒有足夠評價，搶先分享你的使用心得！
寫下你的評價
Shelf 的替代方案
查看相似的 AI 工具 →相關 AI 工具
Aiello
台灣的旅宿語音 AI，把「我要毛巾」直接變成房務工單。
BotBonnie
台灣的 LINE 行銷機器人平台，懂台灣通路生態是最大差異。
Talanoa
把 email 變成聊天泡泡、依人歸類，AI 摘要、寫信、翻譯與「問你的收件匣」全在本機跑，信件不上雲
Busabase
開源的「AI 代理記錄系統」：讓 Claude Code、Codex 等代理和團隊共用同一套資料表、知識庫與技能，重要寫入先經人工審核
Zeta Alpha
阿姆斯特丹的企業 AI 搜尋與代理式 RAG 平台，專攻化學、製藥、製造業的研發與工程知識
Condens
把訪談錄音、筆記與回饋集中成可搜尋的使用者研究資料庫，AI 幫你轉錄、貼標籤、歸納，而且每個洞察都連回原始證據
