AI 知識庫
FUNRAISE AI 編寫的市場知識條目
22,199 則綁在具體大樓上的整理內容，涵蓋 2,236 棟。19,955 則是問答（這棟樓的認證等級、交通、屋齡、租戶產業），2,232 則是整棟摘要。要問「台北 101 的 WELL 認證拿幾分」，答案在這裡。
ai-info
- 工具數
- 2
- 欄位
- 8
- 更新頻率
- 每週更新
- 資料來源
- FUNRAISE 編輯
資料 lag：AI 知識庫每週重新訓練。
實際時效以系統實況為準，可在控制台 /admin/usage 看每次呼叫的回應時間。
業內怎麼用這個資料？
商辦招租
一句話拿到某棟樓的完整賣點說明
企業選址
比較候選大樓的交通與生活機能
AI 客戶端
回答特定大樓的細節問題
常見查詢示範
點開任一題看 AI 模擬回答 — 完整資料需登入控制台後在 AI 客戶端實際使用。
Q1 台北 101 的綠建築與健康建築認證拿到什麼等級？
交叉資料源：ai-info + buildings
（呼叫 search_knowledge 找到條目，再用 get_knowledge 取內文）
台北 101 連續三次取得 LEED 白金級（LEED O+M v4.1），是全球前十大超高層建築中唯一同時持有 LEED 與 WELL 雙白金級的建築。2023 年以 102.5 分取得 WELL 認證的全球最高分。
這一筆的 category 是「大樓認證」、subcategory 是 LEED 與 WELL，building_id 是 bud84cd402，可以直接接到 buildings 拿樓層與面積。
Q2 內容分成哪些類別？搜尋會回什麼？
15 個類別，前八：交通運輸 4,752、未來開發 4,722、大樓等級 3,953、商圈 3,908、生活機能 2,068、建物用途 1,959、商務機能 1,662、產業 1,452。另有大樓屋齡 1,019、大樓認證 269、人才招募 175 等。
search_knowledge 現在直接回內文（content），不必再多打一次。get_knowledge(id) 用於取搜尋結果沒帶到的欄位。
這個資料源的內容都綁定具體大樓，不是一般法規常識庫。要問容積獎勵與容積移轉的差別，該走 land-info 的分區法規工具或 blog。
上面是接好 FUNRAISE MCP 後實際可問的 prompt 範例。複製貼進 Claude.ai／ChatGPT／Notion 後，AI 會自動呼叫對應工具回答。 看接入步驟 →
資料樣本
範例性質的資料結構展示。實際資料可在登入後透過 MCP 工具查詢。
台北 101 認證問答（`get_knowledge`）
- type
- building_qa
- building_id
- bud84cd402
- 標題
- 台北101在綠建築和健康建築認證方面取得了哪些具體的成就與等級？
- category
- 大樓認證
- subcategory
- LEED、WELL
- 專有名詞
- LEED (ppna0a63)、WELL (ppnae805)
怎麼開始用？
- 1. 註冊 FUNRAISE MCP — Google 或 Microsoft 帳號即可，不需審核。
- 2. 登入控制台，把這個資料源（與其他你需要的）勾進你的資料組合。
- 3. 複製網址，貼進 Claude.ai／ChatGPT／Notion／Claude Code／Gemini CLI／Codex CLI 任一介面。
- 4. 開始問問題 — AI 自動透過 MCP 拉這個資料源的工具與資料回答你。