這個網站做了什麼、AI 問答怎麼運作、資料怎麼整理，以及到底準不準。數字都來自實測，測法也列在下面。
3,670
篇函釋可查
1988–2026 年，更新至 2026-09-30
97.5%
真實提問找到正確函釋
改進前 85.0%；站上被問過的 40 題
95.4%
短問題找到正確函釋
改進前 89.7%；457 題合成題
1 痛點
函釋多、問法和用字對不上、不知道這篇還能不能用、AI 的答案沒有出處。
2 做法
全文索引、效力標示、關係網，加上「語意＋關鍵字」雙軌檢索的 AI 問答，每一句附來源。
3 結果
站上被問過的 40 題，正確函釋進到 AI 手上的從 34 題增為 39 題；其他題組方向一致。
1 為什麼做
政府採購法只規定原則，實務上常要回頭查工程會歷年函釋。要把這批公開資料用好，會遇到六個問題；本站就是針對這六件事做的。
公開資料共 3,670 篇（1988–2026 年），每篇只回答一個個案，沒有總整理。
做法 全文搜尋，加上依概念（77 項）、依採購階段、依法條、依年份四種分類，每一篇至少找得到。
承辦人想的是「只有一家廠商能做，可以嗎」，函釋寫的是「屬專屬權利、獨家製造或供應……」，字面幾乎不重疊。
做法 AI 搜尋同時走「語意」和「關鍵字」兩條路再合併；每篇函釋另有一張「檢索卡」，專供搜尋找到它。
621 篇（約 17%）帶廢止或補充註記，其中 98 篇整篇已停止適用。
做法 註記依內容分五類標示；整篇失效的不交給 AI，附註記的會提醒你核對現行規定。
本站辨識出 261 組「取代」、1,091 組「引用」，新舊版常同時出現。
做法 自動畫成關係網與修正時間軸。AI 作答時，註記寫明已被修正的函釋以修正後的為準；沒寫明，就不憑發文日期說「已被取代」。
函釋多半只寫「依採購法第 22 條第 1 項第 12 款」，還得另外去查條文。
做法 收錄 46 部法規、889 條原文，標示最近修正日；AI 回答時自動帶入並連到官方頁面。
通用的聊天 AI 多半憑記憶作答，講不出依據哪一篇，也不知道那一篇現在還有沒有效。
做法 本站的 AI 只依找到的函釋與條文作答，每一句標來源；找不到就直接說查無。
使用上的限制
2 怎麼運作
先用程式把範圍縮到幾十篇，再讓 AI 在範圍裡挑選與寫作。AI 只讀得到被選進來的函釋與條文，所以答案的每一句都有來源可以回查。
問題裡有發文字號，就直接查本站資料：有收錄就顯示該函並說明是否仍適用，沒有就告知查無；只問文號時不會呼叫 AI。
與政府採購無關的問題，直接說明不在範圍；太短或有多種意思的問題，先請你選要問哪一種；其餘的拆成 2～3 個短的法律問題，各轉成一組向量。
向量比對在你的瀏覽器裡完成（3,670 篇函釋的向量是約 5 MB 的靜態檔，不需要向量資料庫），再加上關鍵字排序，合併成最多 45 篇候選。已被後來函釋修正的，修正它的那一篇會一起放進來；先選了分類，該分類排前面，其他分類仍會一起競爭。問題屬於 9 個容易套錯規定的主題（例如公開取得報價與公開招標的家數）時，該主題的關鍵函釋與條文會固定放進來。
把 45 篇各自的一行摘要交給 AI，挑出最多 8 篇真正能回答的。整篇失效的函釋事先排除；註記寫明的修正關係會標在清單上，請 AI 一併選入並以修正後的為準。
再補上最多 32 條相關條文原文：語意相近的、用字吻合的、挑中函釋引用的，以及條文之間互相指到的。最常用的 12 部法規最多 28 條，其餘子法與民法等另有最多 4 條。
AI 只根據挑中的函釋全文與條文寫：先給結論，再列影響結論的要點，每句標「來源N」，關鍵結論附一句來源原文並由程式逐字核對。幾份函釋結論不同時依序看：適用情形是否相同、有沒有寫明修正關係、所引條文的現行版本，最後才看發文日期。屬於上述 9 個主題時，另附一份手寫的前提整理（每行註明依據），提醒容易混淆的相鄰規定；它只供核對，不能當成引文。問題裡的具體事實（例如「母公司」「直播」）若在挑中的函釋與條文裡都沒出現，程式會提醒 AI 先說明收錄資料沒有直接處理這種情形。
3 資料整理
下面是上線前、以及每次更新資料時做的事。
1取得與更新
工程會開放資料（data.gov.tw），每月更新一次；已收錄函釋的編號不變，分享的網址不會失效。
2全文都進索引
標題、法條、文號、完整內文都建索引。早期只收每篇前 400 字，53% 的函釋後半段搜不到，已修正。
3統一外觀相同的字
統一 98 種「看起來一樣、編碼卻不同」的字（例如「契」「履」），不動原文的其他用字。
4找出函釋之間的關係
只在內文或註記裡的文號真的對得上本站另一篇時，才建立「取代」或「引用」，不靠猜測。
5分類，每一篇都找得到
41 個關鍵字概念，加上 36 個由人歸類的主題；超過 60 篇的分類再細分。「依採購階段」只是把同一批概念按招標前到驗收後重新排列，不另外替函釋標階段。
6檢索卡
每篇一張：白話結論、適用情形、人會怎麼問、別名。卡上的數字與條號會核對原文，對不上就丟掉。3,666 張由 AI 依原文產生，4 張由人工撰寫。
7轉成向量
「原文」和「檢索卡」各轉一次向量後取平均；條文原文也各有一列。共 4,582 列、1,024 維。
8條文原文
46 部法規、889 條，取自全國法規資料庫；採購法與 30 部子法收全文，民法等 15 部只收函釋引用的條文。每條記錄最近修正日，逐條比對官方現行條文（2026-10-04）。完整清單
原始資料的「廢止或補充之備註」只是一段自由文字，本站依內容分成五類。只有「整篇失效」的函釋不會交給 AI；其餘仍可引用，但會把註記一併交給 AI 與你，提醒核對現行規定。
| 類型 | 篇數 | 意思 |
|---|---|---|
| 整篇失效 | 98 | 本函已停止適用或廢止 |
| 部分內容已修正 | 97 | 其中某些段落、附件或範本已被修正或停用 |
| 引用的規定已修正 | 344 | 函中引用的法規、要點或名稱，後來修正過 |
| 金額已調整 | 40 | 例如公告金額修正為 150 萬元（112 年 1 月 1 日起） |
| 更正或補充資訊 | 42 | 更正文字或補充說明，不影響本函適用 |
4 修改歷程
每一次調整都先找出具體哪裡不準，改完再量。依時間順序，列出做了什麼和量到的結果；點開可看遇到的問題與做法。
2026-09-12
結果 200 篇隨機函釋的文號查詢全部直接查到；關係網圖裡的「取代」與「引用」，當時全部都能在原文找到依據。
2026-09-19
結果 能回答了，但仍依賴字面比對，口語問法常找不到。
2026-09-20
結果 候選池採「原問題與每個改寫各取前幾名再合併」，不採「取最高分合併」：後者在 24 篇已知正確的函釋中漏掉 5 篇，前者全部保留。
2026-09-21
結果 回答縮短 34%（676 字 → 446 字），品質持平（平均評分 1.46 → 1.44）。條文檢索卡反而 1.46 → 1.37，沒有採用。
2026-10-03
結果 數字見下方「準確度」。
2026-10-04
結果 另寫 32 題從未用來調整的新題目、在不知道哪份是新版的情況下評分：可參考的回答 97% → 100%，沒有誤導的回答；但有 2 題為了精簡漏掉一條規則或但書。法條題「需要的條文全部拿到」437 → 508 題（共 1,000 題）。審讀者是 Claude，不是採購法專家。
2026-10-04
結果 盲評差別在雜訊範圍內：同一版本重跑一次，62 題真實提問裡 A 級答案就差 6 題（43 與 49），小幅調整分不出好壞。可數的指標：只憑日期說「已被取代」的說法由每次 1 題降為 0；法條題「需要的條文全部拿到」508 → 519 題。審讀者是 Claude。
2026-10-06
結果 沒有改善，還讓「公開取得只有兩家可以開標嗎」把對的函釋誤判為情形不同、改用公開招標三家的規定作答。未採用，已還原。
2026-10-07
結果 真實提問（9 題各問 2 次）有疑慮的回答 6 份 → 1 份；寫完整理後另出的 12 題新問法（各問 2 次），結論與但書都完整的回答 20 → 24 份（共 24 份）；保留題沒有變差。另寫 200 題依使用者實際查詢比例出題的題組：沒觸發前提整理的題目兩版相同，觸發的 14 題都沒變差。審讀者是 Claude。
2026-10-07
結果 只有 2 個確實會答錯：議價「照底價再減」被套成優先減價的「視同無效」、共同供應契約漏掉附加採購上限與擇定廠商原則。為這 2 個補寫前提整理後，探測題通過檢查的回答 25 → 30 份（共 30 份，整理是看過這些題目後寫的），題組中觸發的 13 題沒有變差。另 3 個不用補。審讀者是 Claude。
2026-10-07
結果 本站沒有依據的題目，直接下結論的回答 9/32 → 4/32；有依據的 30 題結論都沒變，其中 2 題多了一句「以下為類推」。審讀者是 Claude。
替條文也寫檢索卡（2026-09-21）
想讓條文更容易被找到。用同一組 27 題比較，平均評分反而從 1.46 降到 1.37，沒有採用。
長函釋分段，或先摘要再轉成向量
轉向量時只取每篇前 2,000 字，超出的文字只占全部的 0.4%，分段或摘要幾乎不會改變結果，不值得增加複雜度。
先用向量找出意思相近的字再做關鍵字比對，或事先處理關鍵字
兩種做法都實際測過，命中率沒有進步，沒有上線。
每份函釋另加「它引用的條文後來修正過」的提醒（2026-10-04）
104 題裡有 16 題把附註的字句照抄進答案（2 題放進引號），沒有任何一題因此變好，所以拿掉。
5 準確度
量的是檢索這一步：AI 開始回答之前，正確的函釋（或條文）有沒有已經在它拿到的候選裡。候選裡沒有，再聰明的 AI 也答不對。 「改進前」是 2026-10-02 以前只用語意比對的做法；「改進後」加上關鍵字排序、分類範圍放寬、問題裡文號的直接查詢；法條題另含條文名額從 12 條增為最多 32 條，以及補進的法規。
每 100 題裡，正確答案沒進到 AI 手上的有幾題
越靠左越好。測量日期 2026-10-04；把游標移到某一列（或用 Tab 鍵選取）可看詳細題數。
真實提問
站上被問過的 40 題
短問題
像搜尋框裡打的短句，457 題
情境題
60–150 字的實際情境，457 題
法條・單一條文
一題對應一條條文，453 題
法條・跨條文
情境題，要 2–4 條條文，1,000 題
| 題組 | 題數 | 改進前找到 | 改進後找到 | 變好 | 變差 | 改進後 95% 區間 |
|---|---|---|---|---|---|---|
| 真實提問 | 40 | 34（85.0%） | 39（97.5%） | 5 | 0 | 87.1–99.6% |
| 短問題 | 457 | 410（89.7%） | 436（95.4%） | 26 | 0 | 93.1–97.0% |
| 情境題 | 457 | 446（97.6%） | 455（99.6%） | 9 | 0 | 98.4–99.9% |
| 法條・單一條文 | 453 | 386（85.2%） | 437（96.5%） | 51 | 0 | 94.3–97.8% |
| 法條・跨條文 | 1,000 | 852（85.2%） | 980（98.0%） | 128 | 0 | 96.9–98.7% |
站上真正被問過的問題
40 題裡，正確函釋進到 AI 手上的從 34 題增為 39 題（85.0% → 97.5%），沒有任何一題變差。
問法和函釋用字不同
短問題（像搜尋框裡打的短句）410 → 436 題，共 457 題；情境題（60～150 字）446 → 455 題，共 457 題。
需要引用條文
需要 2～4 條條文的 1,000 題：至少拿到一條正確條文 852 → 980 題；全部正確條文都拿到 241 → 519 題。
有沒有變差？有，少數。
信函題組（含真實提問）沒有任何一題變差。法條題組：至少拿到一條正確條文，變差 0 題；全部正確條文都拿到，5 題變差、283 題變好。逐題數字都在上圖與下面的表裡。這 20% 的題目從不用來調整，最後才看，避免把檢索調成只會答這批題目。
| 題組 | 題數 | 改進前找到 | 改進後找到 | 變好 | 變差 |
|---|---|---|---|---|---|
| 短問題 | 101 | 93（92.1%） | 97（96.0%） | 4 | 0 |
| 情境題 | 101 | 99（98.0%） | 101（100.0%） | 2 | 0 |
| 法條・單一條文 | 76 | 69（90.8%） | 74（97.4%） | 5 | 0 |
| 法條・跨條文 | 209 | 181（86.6%） | 207（99.0%） | 26 | 0 |
正式站會先請 AI 把問題改寫成幾個短問題，這本身就補回一部分用字落差，所以改進的空間變小。為了讓結果可以重複，這裡用預先寫好、固定不變的改寫， 看的是改寫最多能帶來多少，不等於正式站上 AI 改寫的實際表現。
| 題組 | 題數 | 改進前找到 | 改進後找到 | 變好 | 變差 |
|---|---|---|---|---|---|
| 短問題 | 457 | 424（92.8%） | 443（96.9%） | 19 | 0 |
| 情境題 | 457 | 451（98.7%） | 456（99.8%） | 5 | 0 |
| 法條・單一條文 | 453 | 403（89.0%） | 439（96.9%） | 36 | 0 |
| 法條・跨條文 | 1,000 | 963（96.3%） | 998（99.8%） | 35 | 0 |
「全部正確條文都拿到」：361 → 595 題（234 題變好、0 題變差）。
6 怎麼測的
下面說明數字是怎麼來的，讓你可以判斷它們有多可信。
| 題組 | 題數 | 怎麼來的 |
|---|---|---|
| 短問題 | 457 | 從仍可引用、內容至少 80 字的函釋裡，依長度、有無註記、發文年代分層抽出 457 篇，每篇寫一個像搜尋框短句的問題。 |
| 情境題 | 457 | 同樣這 457 篇，各寫一段 60～150 字的實際情境。 |
| 法條・單一條文 | 453 | 政府採購法等 12 部核心法規的每一條現行條文各一題，取自離線撰寫的法條問答（之後補進的 34 部法規不在其中）。 |
| 法條・跨條文 | 1,000 | 需要 2～4 條條文才答得完整的情境題。 |
| 真實提問 | 40 | 站上被問過、意圖明確的 40 題，由人逐題標出所有答得出來的函釋。為保護提問者，題目文字不公開。 |
信函題由 AI 模型只依函釋原文寫成，沒有讓它看檢索卡，避免卡片早就「知道」題目；預期答案就是出題的那一篇。
題庫固定。建好後不再改動，改進前後用同一批題目，差距才有意義。
每題只問一件事：正確答案有沒有進到交給 AI 的候選裡。信函題看那一篇是否在 45 篇候選中；法條題看最多 32 條條文裡，有沒有至少一條、或全部的正確條文。
逐題比較，不只比總分。同一題改進前後各跑一次，數出「變好幾題、變差幾題」，並算 95% 信賴區間；總分漲了但有題目變差，也看得見。
留 20% 不拿來調整。依題目編號固定分配，調整時只看其餘 80%，最後才看這一份。
可以重複。問題改寫用預先寫好的固定版本，不即時呼叫 AI，向量也快取；每次調整、每次資料更新後都重跑。
回答品質怎麼審
另外把系統的回答和它引用的來源並排，把兩個版本隨機排序、隱去哪個是新版，由 Claude 對照來源原文與條文評為 A 可參考、B 大致正確、C 有疑慮、D 錯誤或誤導；並寫了 32 題從未用來調整的新題目複測。評分者不是採購法專家，同一個版本重跑也會有出入， 所以這部分只用來抓明顯的問題，不當作準確率。7 真實資料示範
下面兩個示範讀的是網站實際使用的資料，不是截圖。
標題、法條、發文字號、完整內文都拆成中文二字一組建立索引，搜尋時用這些片段比對。 依概念、依法條、依年份的數字也是從同一份索引即時算出來的，所以泡泡上的數字永遠等於點進去的搜尋結果筆數。
讀取真實分類資料中…
系統掃描函釋的備註與內文，文中提到的發文字號只要也是本站收錄的另一筆函釋，就自動建立關係，不需要人工標記。 下面是一個真實案例（點卡片可開啟該函釋）：
讀取真實函釋資料中…