#Introduction
你的 WordPress 其實早就準備好了，它只缺一個 AI 的入口
這是一款專注於回答網站內容的 RAG Chatbot 外掛。但你不需要額外建立 RAG 向量資料庫，因為 WordPress 上多年累積的文章、分類與產品頁面，本身就是一座 RAG 資料庫，真正的問題是 AI Agent 不知道要從哪裡開始閱讀你的網站。
RAG Chatbot for WordPress，以 RAG Sitemap 為入口
不需要建向量資料庫的 Chatbot
網站本身就是 RAG 資料庫，不需要再另建向量資料庫，因為從架站的那一刻起，你也同時開始打造這座資料庫了。你在 WordPress 發一篇文章，同時做了四件事：選分類、下標題、寫摘要、發佈到階層式永久 URL。每一次發文，都是把一個有層級、有語意、有地址的知識節點嵌進你網站的樹狀結構。
訪客問一個問題，RAG Chatbot 不是放任 LLM 從訓練資料裡找答案，而是先從 RAG Sitemap 找到對應的內容片段，把這些片段交給回應 AI，要求它只根據從你網站上檢索到的內容回答，而不是只憑感覺補一段看起來合理的話。
— 文章的分類設定，就是在建構漸進式 RAG。
RAG Harness Engineering
& Prompt Cache
這是專為訪客使用而設計的 RAG AI Chatbot，訪客的每個提問背後是經過 RAG Harness Engineering 的三段 AI API：看圖、檢索、回答。每段 AI 節點都會過濾上下文，最終交給用於生成回應的 AI API 時，只剩一份乾淨配方：SOUL + 檢索內容 + 回答規範 + 原始問題。每一段 AI API 都可以自由配置不同的模型，雲端有 Mistral、OpenAI、Gemini、xAI 等，而本地運算目前唯一推薦 vLLM。
在整個運作流程中， token 消耗量最大的是輸入不是輸出，輸入輸出比大約是 10：1，而消耗佔比最大的提示詞、Master Sitemap 以及所有頁面或文章 chunk 等，全部都是靜態內容，都能打進 prompt cache，從第二次查詢起，最大宗的開銷只剩零頭。
— 模型你挑、成本你控。
不會養成負擔的 Chatbot
RAG Chatbot 長期運作成本可壓到 0 元：用 Cerebras 搭配 Gemini Flash 的免費 API 額度分流，每天至少能回答 50 次，足以支撐作品集、個人網站等中低流量網站。就算使用最入門的付費模型也只要每次 0.004 美元。
— RAG Chatbot 不對任何 token 加收費用。
/wordpress-native-chunking
#Chatbot UI Design Preset
多套預設主題可以直接套用，逐項微調當然也有，但那是基本盤。真正的亮點是 Export as Design.md，把設定匯出成 AI 看得懂的規範文件，連同參考圖丟給 ChatGPT、Gemini 或 Claude，就能直接複製 AI 依照指令生成的 JSON 參數來匯入新設計。
#Setup in 6 Steps
RAG Sitemap：選擇資料來源
進到 RAG Sitemap 設定頁，最左邊的 Global Layout 分頁是檢索資料來源的總開關。勾選 Pages 與 Posts 兩項基本來源，右下角按儲存。預設會依照你 WordPress 既有的分類自動建立 RAG Sitemap，不需要重新整理內容。
RAG Sitemap：生成 Master Sitemap
切到最右邊的 RAG Sitemap Generator 分頁，點 reBuild RAG Sitemap 按鈕。系統會依照 Global Layout 的設定，把網站結構讀過一遍，生成一份 Master Sitemap 純文字檔給 RAG Chatbot 使用。生成後可以直接在同一頁預覽 token 數，超過建議值會自動標紅提示。
Chatbot UI：套用視覺主題
進到 RAG Chatbot 設定頁，Floating Button UI 與 Chatbot UI 兩個分頁各自從 Preset 下拉選一個喜歡的主題，按 Load 套用，右下角儲存。每個分頁都備有從現代到復古的多套風格，挑一個最貼合你網站氣質的就好——之後隨時可以換。
申請 LLM API Key
多數廠商用 Google 帳號即可申請，並提供每日的免費額度。RAG Chatbot 採 BYOK 架構，支援模型原廠、雲端代理（Cerebras、OpenRouter）、與 vLLM。三個通道（Vision／檢索／最終回應）可各自串接不同 API key 做分流，最推薦的免費組合是 Cerebras + Gemini Flash 。 RAG Chatbot 不對任何 token 加收費用。
API Keys：填入金鑰
在 API & Routing 分頁上半部，點選你要使用的廠商按鈕，會新增該廠商的 API configuration 卡片。貼入 key、選好模型，右下角儲存。同一把 key 可以儲存在多張卡片中，分別綁定該廠商旗下不同的模型，方便下一步做路由分流。
API Routing Profile：選擇模型
API & Routing 分頁往下捲，點 + Add API Profile 建立一條路由。在 RAG API（負責檢索的那段）與 RAG Chat API（負責回答的那段）的下拉選單中，各選一張 Step 5 設好的卡片，右下角儲存。兩段可以指向同一張卡片，也可以分頭走：便宜的小模型跑檢索，擅長表達的大模型寫回答，完全自由搭配。
到 Playground 測試
回到 RAG Chatbot 設定頁，最左邊的 Playground 分頁就是內建測試環境。問幾個你網站本來就有答案的題目，讓 RAG Harness 帶著 LLM 走完所有流程，從網站上找到正確答案。