防詐3要訣：不聽信、不操作、掛斷電話 
9
880792
查詢門市庫存
．智慧代理定義與發展：代理等級、使用動機與落地路徑
．智慧代理核心元件：LLM、工具、記憶、規劃與 RAG
．實驗環境建置：網頁對話、程式碼對話與工程骨架
．大模型基礎：Transformer、資料清洗、斷詞、預訓練、微調與對齊
．智慧代理核心元件：LLM、工具、記憶、規劃與 RAG
．實驗環境建置：網頁對話、程式碼對話與工程骨架
．大模型基礎：Transformer、資料清洗、斷詞、預訓練、微調與對齊
內容簡介
https://youtu.be/xH64u77IgQk
．智慧代理定義與發展：代理等級、使用動機與落地路徑
．智慧代理核心元件：LLM、工具、記憶、規劃與 RAG
．實驗環境建置：網頁對話、程式碼對話與工程骨架
．大模型基礎：Transformer、資料清洗、斷詞、預訓練、微調與對齊
．解碼策略與模型評測：Sampling、幻覺機制、MMLU、C-EVAL、GSM8K、HumanEval 與 OpenCompass
．提示詞工程：結構化 Prompt 與常見提示框架
．RAG 系統構建：文件解析、檢索索引、查詢路由、最佳化與 RAGas 評測
．記憶系統工程：token 計數、摘要壓縮、短期與長期記憶，MemGPT、Mem0、BoT
．規劃與多智慧代理：CoT、Function Calling、ReAct、Plan-and-Execute，以及 AutoGen、MetaGPT、CrewAI、LangGraph；案例涵蓋智慧家居、AI 辦公、翻譯、知識庫、程式助手與智慧客服
【書籍簡介】
本書共分8章，第1章介紹智慧代理定義、核心元件、代理等級與實驗環境；第2章介紹 Transformer 與大模型訓練流程、解碼與能力評測，並以 OpenCompass 示範評測；第3章介紹提示詞與結構化提示詞，整理多種提示框架與最佳化方法；第4章介紹 RAG 系統建構、文件解析、最佳化策略與 RAGas 評測；第5章介紹記憶模組的手動實作與 MemGPT/Mem0/BoT 框架；第6章介紹規劃能力方法群，包含 CoT、Self-Ask、Function Calling、ReAct、Plan-and-Execute 等；第7章介紹多智慧代理系統核心概念與 AutoGen/MetaGPT/CrewAI/LangGraph 實作；第8章以智慧家居、AI辦公、翻譯、知識庫、程式助手與智慧客服等案例完成整合實戰。
產品目錄
第 1 章 智慧代理系統概述
1.1 什麼是智慧代理
1.1.1 智慧代理初識
1.1.2 智慧代理的概念
1.2 智慧代理的核心元件概述
1.2.1 大語言模型
1.2.2 工具模組
1.2.3 記憶模組
1.2.4 規劃模組
1.2.5 RAG 模組
1.3 智慧代理的發展歷程
1.4 智慧代理的等級劃分
1.4.1 RASA
1.4.2 Google
1.4.3 類自動駕駛
1.5 為什麼要使用智慧代理
1.5.1 大型模型的缺點
1.5.2 智慧代理的特點
1.6 什麼是多智慧代理協同
1.7 實驗環境建置
1.7.1 網頁版對話測試
1.7.2 程式碼版對話測試
1.8 本章小結
第 2 章 認識大型模型
2.1 Transformer 的架構原理
2.2 大型模型的訓練流程
2.2.1 資料清洗
2.2.2 分詞技術
2.2.3 位置編碼
2.2.4 模型預訓練
2.2.5 大型模型微調
2.2.6 大型模型對齊
2.2.7 解碼策略
2.2.8 大型模型幻覺
2.3 國內外大型模型介紹
2.3.1 國外知名大型模型
2.3.2 國內知名大型模型
2.3.3 垂直領域大型模型
2.4 大型模型呼叫實戰
2.4.1 呼叫GPT-4 大型模型
2.4.2 呼叫百度文心一言大型模型
2.4.3 呼叫本地大型模型
2.5 大型模型能力評測
2.5.1 為什麼要做大型模型評測
2.5.2 需要評測大型模型的哪些能力
2.5.3 如何評測大型模型
2.6 常用的評測資料集介紹
2.6.1 MMLU 資料集
2.6.2 C-EVAL 資料集
2.6.3 MATH 資料集
2.6.4 GSM8K 資料集
2.6.5 HumanEval 資料集
2.7 大型模型評測網站—OpenCompass
2.7.1 OpenCompass 介紹
2.7.2 大型模型排行榜
2.7.3 OpenCompass 評測工具介紹
2.7.4 資料集評測實戰
2.8 本章小結
第 3 章 提示詞工程
3.1 提示詞
3.1.1 提示詞的基本概念與特點
3.1.2 提示詞的範例
3.2 結構化提示詞
3.2.1 結構化提示詞的基本概念
3.2.2 結構化提示詞的範例
3.3 提示工程
3.3.1 ICIO 框架
3.3.2 CRISPE 框架
3.3.3 APE 框架
3.3.4 BROKE 框架
3.3.5 CARE 框架
3.3.6 COAST 框架
3.3.7 RACE 框架
3.3.8 RISE 框架
3.3.9 ROSES 框架
3.3.10 TAG 框架
3.3.11 TRACE 框架
3.4 提示詞的最佳化方法
3.5 自動生成提示詞
3.6 本章小結
第 4 章 RAG 系統的建構
4.1 RAG 介紹
4.1.1 RAG 的基本概念
4.1.2 RAG 系統的構成
4.2 極簡RAG 實作
4.2.1 建置階段實作
4.2.2 檢索生成實作
4.2.3 RAG 流程測試
4.3 文件解析
4.3.1 檔案類型介紹
4.3.2 Word 文件擷取
4.3.3 半結構化文本擷取
4.3.4 郵件文字擷取
4.3.5 PDF 文字擷取
4.3.6 表格文字擷取
4.3.7 圖片文字擷取
4.4 RAG 最佳化方法
4.4.1 資料處理最佳化方法
4.4.2 查詢路由最佳化方法
4.4.3 索引最佳化方法
4.5 基於 LangChain 的 RAG 實作
4.5.1 LangChain 介紹
4.5.2 LangChain 的RAG 資料流程
4.5.3 文件載入器
4.5.4 文件轉換器
4.5.5 文本嵌入模型
4.5.6 向量儲存
4.5.7 知識檢索
4.5.8 基於LangChain 建構完整的RAG 系統
4.6 評測RAG 系統的效能
4.6.1 RAGas 框架介紹
4.6.2 RAG 系統評測實戰
4.7 本章小結
第 5 章 記憶體模組
5.1 記憶體模組介紹
5.1.1 什麼是記憶
5.1.2 記憶的作用
5.1.3 記憶的資訊類型
5.1.4 記憶的壓縮方法
5.2 手動實作 Memory 實踐
5.2.1 計算token 數
5.2.2 摘要總結實作
5.2.3 短期記憶實作
5.2.4 長期記憶實作
5.2.5 記憶測試
5.3 MemGPT 框架
5.3.1 MemGPT 框架介紹
5.3.2 基於MemGPT 的案例實作
5.3.3 MemGPT 框架原始碼解析
5.4 Mem0 框架
5.4.1 Mem0 框架介紹
5.4.2 基於Mem0 的案例實作
5.4.3 Mem0 框架原始碼分析
5.5 BoT 框架
5.5.1 BoT 框架介紹
5.5.2 基於BoT 的案例實踐
5.5.3 BoT 框架原始碼解析
5.6 本章小結
第 6 章 規劃能力
6.1 思維鏈
6.1.1 思維鏈介紹
6.1.2 CoT 案例分析
6.1.3 CoT 程式設計實踐
6.2 Self-Ask
6.2.1 Self-Ask 介紹
6.2.2 Self-Ask 案例實踐
6.2.3 Self-Ask 程式設計實踐
6.3 Self-Reflexion
6.3.1 Self-Reflexion 介紹
6.3.2 Self-Reflexion 案例實踐
6.3.3 Self-Reflexion 程式實作
6.4 Function Calling
6.4.1 Function Calling 介紹
6.4.2 Function Calling 案例實作
6.4.3 Function Calling 程式設計實務
6.5 ReAct
6.5.1 ReAct 介紹
6.5.2 ReAct 案例實踐
6.5.3 ReAct 程式設計實作
6.6 Plan-and-Execute
6.6.1 Plan-and-Execute 介紹
6.6.2 Plan-and-Execute 案例實作
6.6.3 Plan-and-Execute 程式實作
6.7 Self-Discover
6.7.1 Self-Discover 介紹
6.7.2 Self-Discover 案例實踐
6.7.3 Self-Discover 程式設計實作
6.8 本章小結
第 7 章 多智慧代理系統
7.1 多智慧代理系統介紹
7.1.1 單智慧代理系統概述
7.1.2 多智慧代理系統的特點
7.2 多智慧代理系統的核心
7.2.1 互動環境
7.2.2 協作類型
7.2.3 組織結構
7.2.4 通訊機制
7.2.5 衝突解決
7.3 AutoGen 框架
7.3.1 AutoGen 框架介紹
7.3.2 基本概念
7.3.3 單智慧代理範例說明
7.3.4 多智慧代理範例說明
7.3.5 原始碼分析
7.4 MetaGPT 框架
7.4.1 MetaGPT 框架介紹
7.4.2 單智慧代理範例說明
7.4.3 多智慧代理範例說明
7.4.4 原始碼分析
7.5 CrewAI 框架
7.5.1 CrewAI 框架介紹
7.5.2 基本概念
7.5.3 單智慧代理範例說明
7.5.4 多智慧代理範例說明
7.5.5 原始碼分析
7.6 LangGraph 框架
7.6.1 LangGraph 框架介紹
7.6.2 單智慧代理範例說明
7.6.3 多智慧代理範例說明
7.6.4 原始碼分析
7.7 本章小結
第 8 章 智慧代理案例實戰
8.1 智慧家居助手
8.1.1 MCP 介紹
8.1.2 MCP 架構說明
8.1.3 建置智慧家庭MCP 伺服端
8.1.4 建立智慧家庭MCP 使用者端
8.1.5 建構智慧家庭MCP 智慧代理應用
8.1.6 測試智慧家居智慧代理
8.1.7 案例小結
8.2 AI 辦公助手
8.2.1 AiPPT 介紹
8.2.2 API KEY 申請
8.2.3 自動生成PPT
8.2.4 建構MCP 服務
8.2.5 建構 AiPPT 智慧代理
8.2.6 測試智慧辦公智慧代理
8.2.7 案例小結
8.3 語言翻譯助手
8.3.1 語言翻譯介紹
8.3.2 翻譯素材準備
8.3.3 翻譯助手的架構設計
8.3.4 翻譯助手智慧代理
8.3.5 測試語言翻譯智慧代理
8.3.6 案例小結
8.4 知識庫助手
8.4.1 知識庫助手介紹
8.4.2 知識問答助手
8.4.3 進階版知識問答助手
8.4.4 案例小結
8.5 程式助手
8.5.1 程式助手介紹
8.5.2 程式助手架構設計
8.5.3 LangGPT 結構化提示詞
8.5.4 智慧代理開發
8.5.5 工作流程測試
8.5.6 案例小結
8.6 智慧客服
8.6.1 智慧客服介紹
8.6.2 智慧客服架構設計
8.6.3 資料庫設計
8.6.4 資料庫操作實作
8.6.5 智慧代理開發
8.6.6 智慧客服測試
8.6.7 案例小結
8.7 本章小結
1.1 什麼是智慧代理
1.1.1 智慧代理初識
1.1.2 智慧代理的概念
1.2 智慧代理的核心元件概述
1.2.1 大語言模型
1.2.2 工具模組
1.2.3 記憶模組
1.2.4 規劃模組
1.2.5 RAG 模組
1.3 智慧代理的發展歷程
1.4 智慧代理的等級劃分
1.4.1 RASA
1.4.2 Google
1.4.3 類自動駕駛
1.5 為什麼要使用智慧代理
1.5.1 大型模型的缺點
1.5.2 智慧代理的特點
1.6 什麼是多智慧代理協同
1.7 實驗環境建置
1.7.1 網頁版對話測試
1.7.2 程式碼版對話測試
1.8 本章小結
第 2 章 認識大型模型
2.1 Transformer 的架構原理
2.2 大型模型的訓練流程
2.2.1 資料清洗
2.2.2 分詞技術
2.2.3 位置編碼
2.2.4 模型預訓練
2.2.5 大型模型微調
2.2.6 大型模型對齊
2.2.7 解碼策略
2.2.8 大型模型幻覺
2.3 國內外大型模型介紹
2.3.1 國外知名大型模型
2.3.2 國內知名大型模型
2.3.3 垂直領域大型模型
2.4 大型模型呼叫實戰
2.4.1 呼叫GPT-4 大型模型
2.4.2 呼叫百度文心一言大型模型
2.4.3 呼叫本地大型模型
2.5 大型模型能力評測
2.5.1 為什麼要做大型模型評測
2.5.2 需要評測大型模型的哪些能力
2.5.3 如何評測大型模型
2.6 常用的評測資料集介紹
2.6.1 MMLU 資料集
2.6.2 C-EVAL 資料集
2.6.3 MATH 資料集
2.6.4 GSM8K 資料集
2.6.5 HumanEval 資料集
2.7 大型模型評測網站—OpenCompass
2.7.1 OpenCompass 介紹
2.7.2 大型模型排行榜
2.7.3 OpenCompass 評測工具介紹
2.7.4 資料集評測實戰
2.8 本章小結
第 3 章 提示詞工程
3.1 提示詞
3.1.1 提示詞的基本概念與特點
3.1.2 提示詞的範例
3.2 結構化提示詞
3.2.1 結構化提示詞的基本概念
3.2.2 結構化提示詞的範例
3.3 提示工程
3.3.1 ICIO 框架
3.3.2 CRISPE 框架
3.3.3 APE 框架
3.3.4 BROKE 框架
3.3.5 CARE 框架
3.3.6 COAST 框架
3.3.7 RACE 框架
3.3.8 RISE 框架
3.3.9 ROSES 框架
3.3.10 TAG 框架
3.3.11 TRACE 框架
3.4 提示詞的最佳化方法
3.5 自動生成提示詞
3.6 本章小結
第 4 章 RAG 系統的建構
4.1 RAG 介紹
4.1.1 RAG 的基本概念
4.1.2 RAG 系統的構成
4.2 極簡RAG 實作
4.2.1 建置階段實作
4.2.2 檢索生成實作
4.2.3 RAG 流程測試
4.3 文件解析
4.3.1 檔案類型介紹
4.3.2 Word 文件擷取
4.3.3 半結構化文本擷取
4.3.4 郵件文字擷取
4.3.5 PDF 文字擷取
4.3.6 表格文字擷取
4.3.7 圖片文字擷取
4.4 RAG 最佳化方法
4.4.1 資料處理最佳化方法
4.4.2 查詢路由最佳化方法
4.4.3 索引最佳化方法
4.5 基於 LangChain 的 RAG 實作
4.5.1 LangChain 介紹
4.5.2 LangChain 的RAG 資料流程
4.5.3 文件載入器
4.5.4 文件轉換器
4.5.5 文本嵌入模型
4.5.6 向量儲存
4.5.7 知識檢索
4.5.8 基於LangChain 建構完整的RAG 系統
4.6 評測RAG 系統的效能
4.6.1 RAGas 框架介紹
4.6.2 RAG 系統評測實戰
4.7 本章小結
第 5 章 記憶體模組
5.1 記憶體模組介紹
5.1.1 什麼是記憶
5.1.2 記憶的作用
5.1.3 記憶的資訊類型
5.1.4 記憶的壓縮方法
5.2 手動實作 Memory 實踐
5.2.1 計算token 數
5.2.2 摘要總結實作
5.2.3 短期記憶實作
5.2.4 長期記憶實作
5.2.5 記憶測試
5.3 MemGPT 框架
5.3.1 MemGPT 框架介紹
5.3.2 基於MemGPT 的案例實作
5.3.3 MemGPT 框架原始碼解析
5.4 Mem0 框架
5.4.1 Mem0 框架介紹
5.4.2 基於Mem0 的案例實作
5.4.3 Mem0 框架原始碼分析
5.5 BoT 框架
5.5.1 BoT 框架介紹
5.5.2 基於BoT 的案例實踐
5.5.3 BoT 框架原始碼解析
5.6 本章小結
第 6 章 規劃能力
6.1 思維鏈
6.1.1 思維鏈介紹
6.1.2 CoT 案例分析
6.1.3 CoT 程式設計實踐
6.2 Self-Ask
6.2.1 Self-Ask 介紹
6.2.2 Self-Ask 案例實踐
6.2.3 Self-Ask 程式設計實踐
6.3 Self-Reflexion
6.3.1 Self-Reflexion 介紹
6.3.2 Self-Reflexion 案例實踐
6.3.3 Self-Reflexion 程式實作
6.4 Function Calling
6.4.1 Function Calling 介紹
6.4.2 Function Calling 案例實作
6.4.3 Function Calling 程式設計實務
6.5 ReAct
6.5.1 ReAct 介紹
6.5.2 ReAct 案例實踐
6.5.3 ReAct 程式設計實作
6.6 Plan-and-Execute
6.6.1 Plan-and-Execute 介紹
6.6.2 Plan-and-Execute 案例實作
6.6.3 Plan-and-Execute 程式實作
6.7 Self-Discover
6.7.1 Self-Discover 介紹
6.7.2 Self-Discover 案例實踐
6.7.3 Self-Discover 程式設計實作
6.8 本章小結
第 7 章 多智慧代理系統
7.1 多智慧代理系統介紹
7.1.1 單智慧代理系統概述
7.1.2 多智慧代理系統的特點
7.2 多智慧代理系統的核心
7.2.1 互動環境
7.2.2 協作類型
7.2.3 組織結構
7.2.4 通訊機制
7.2.5 衝突解決
7.3 AutoGen 框架
7.3.1 AutoGen 框架介紹
7.3.2 基本概念
7.3.3 單智慧代理範例說明
7.3.4 多智慧代理範例說明
7.3.5 原始碼分析
7.4 MetaGPT 框架
7.4.1 MetaGPT 框架介紹
7.4.2 單智慧代理範例說明
7.4.3 多智慧代理範例說明
7.4.4 原始碼分析
7.5 CrewAI 框架
7.5.1 CrewAI 框架介紹
7.5.2 基本概念
7.5.3 單智慧代理範例說明
7.5.4 多智慧代理範例說明
7.5.5 原始碼分析
7.6 LangGraph 框架
7.6.1 LangGraph 框架介紹
7.6.2 單智慧代理範例說明
7.6.3 多智慧代理範例說明
7.6.4 原始碼分析
7.7 本章小結
第 8 章 智慧代理案例實戰
8.1 智慧家居助手
8.1.1 MCP 介紹
8.1.2 MCP 架構說明
8.1.3 建置智慧家庭MCP 伺服端
8.1.4 建立智慧家庭MCP 使用者端
8.1.5 建構智慧家庭MCP 智慧代理應用
8.1.6 測試智慧家居智慧代理
8.1.7 案例小結
8.2 AI 辦公助手
8.2.1 AiPPT 介紹
8.2.2 API KEY 申請
8.2.3 自動生成PPT
8.2.4 建構MCP 服務
8.2.5 建構 AiPPT 智慧代理
8.2.6 測試智慧辦公智慧代理
8.2.7 案例小結
8.3 語言翻譯助手
8.3.1 語言翻譯介紹
8.3.2 翻譯素材準備
8.3.3 翻譯助手的架構設計
8.3.4 翻譯助手智慧代理
8.3.5 測試語言翻譯智慧代理
8.3.6 案例小結
8.4 知識庫助手
8.4.1 知識庫助手介紹
8.4.2 知識問答助手
8.4.3 進階版知識問答助手
8.4.4 案例小結
8.5 程式助手
8.5.1 程式助手介紹
8.5.2 程式助手架構設計
8.5.3 LangGPT 結構化提示詞
8.5.4 智慧代理開發
8.5.5 工作流程測試
8.5.6 案例小結
8.6 智慧客服
8.6.1 智慧客服介紹
8.6.2 智慧客服架構設計
8.6.3 資料庫設計
8.6.4 資料庫操作實作
8.6.5 智慧代理開發
8.6.6 智慧客服測試
8.6.7 案例小結
8.7 本章小結
作者介紹
尹浩
畢業於對外經濟貿易大學，研究方向為邊緣智能、多智能體系統、自然語言處理與大數據，先後任職於開鴻、中國平安等公司，擔任資深算法工程師。擅長大模型應用、深度學習、自然語言處理、大數據中台等相關技術，特別是在AIOS、非結構化文檔理解等領域有深入研究，目前主要從事開源鴻蒙操作系統的原生AI推理和大模型智能體開發工作。發表了三篇技術專利和一篇實用性發明專利論文。
畢業於對外經濟貿易大學，研究方向為邊緣智能、多智能體系統、自然語言處理與大數據，先後任職於開鴻、中國平安等公司，擔任資深算法工程師。擅長大模型應用、深度學習、自然語言處理、大數據中台等相關技術，特別是在AIOS、非結構化文檔理解等領域有深入研究，目前主要從事開源鴻蒙操作系統的原生AI推理和大模型智能體開發工作。發表了三篇技術專利和一篇實用性發明專利論文。
規格
誠品貨碼 / 2683198417003
ISBN13 / 9786267889572
ISBN10 /
EAN貨碼 / 9786267889572
頁數 / 448
裝訂 / P:平裝
語言 / 1:中文/繁體
尺寸 / 17X23X2.2CM
級別 / N:無
退貨說明
退貨須知：
- 依照消費者保護法的規定，您享有商品貨到次日起七天猶豫期(含例假日)的權益(請注意！猶豫期非試用期)，辦理退貨之商品必須是全新狀態(不得有刮傷、破損、受潮)且需完整(包含全部商品、配件、原廠內外包裝、贈品及所有附隨文件或資料的完整性等)。
- 請您以送貨廠商使用之包裝紙箱將退貨商品包裝妥當，若原紙箱已遺失，請另使用其他紙箱包覆於商品原廠包裝之外，切勿直接於原廠包裝上黏貼紙張或書寫文字。若原廠包裝損毀將可能被認定為已逾越檢查商品之必要程度，本公司得依毀損程度扣除回復原狀必要費用(整新費)後退費；請您先確認商品正確、外觀可接受，再行拆封，以免影響您的權利；若為產品瑕疵，本公司接受退貨。
依「通訊交易解除權合理例外情事適用準則」，下列商品不適用七日猶豫期，除產品本身有瑕疵外，不接受退貨：
- 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮蔬果、乳製品、冷凍冷藏食材、蛋糕)
- 依消費者要求所為之客製化給付。(如:客製印章、鋼筆刻字)
- 報紙、期刊或雜誌。
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。(如:電子書)
- 已拆封之個人衛生用品。(如:內衣褲、襪類、褲襪、刮鬍刀、除毛刀等貼身用品)
- 國際航空客運服務。
若您退貨時有下列情形，可能被認定已逾越檢查商品之必要程度而須負擔為回復原狀必要費用(整新費)，或影響您的退貨權利，請您在拆封前決定是否要退貨：
- 以數位或電磁紀錄形式儲存或著作權相關之商品(包含但不限於CD、VCD、DVD、電腦軟體等) 包裝已拆封者(除運送用之包裝以外)。
- 耗材(包含但不限於墨水匣、碳粉匣、紙張、筆類墨水、清潔劑補充包等)之商品包裝已拆封者(除運送用之包裝以外)。
- 衣飾鞋類/寢具/織品(包含但不限於衣褲、鞋子、襪子、泳裝、床單、被套、填充玩具)或之商品缺件(含購買商品、附件、內外包裝、贈品等)或經剪標或下水或商品有不可回復之髒污或磨損痕跡。
- 食品、美容/保養用品、內衣褲等消耗性或個人衛生用品、商品銷售頁面上特別載明之商品已拆封者(除運送用之包裝外一切包裝、包括但不限於瓶蓋、封口、封膜等接觸商品內容之包裝部分)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 家電、3C、畫作、電子閱讀器等商品，除商品本身有瑕疵外，退回之商品已拆封(除運送用之包裝外一切包裝、包括但不限於封膜等接觸商品內容之包裝部分、移除封條、拆除吊牌、拆除貼膠或標籤等情形)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 退貨程序請參閱【客服專區→常見問題→誠品線上退貨退款】之說明。
付款/配送