說實在的，我的品牌在忙碌季節總是被顧客的訊息搞得焦頭爛額。傳統的 Line 客服只能靠幾位人工輪班，深夜、假日更是空窗期。直到同事提到「Line官方帳號串接AI」的方案，我才敢冒險把流程拉上自動化。下面把我踩過的坑、真正有用的技巧寫下來，想省時間的朋友可以先過目。
1. 為什麼要把 Line Messaging API、Gemini 與 ChatGPT 拉在一起？
我最怕的是單一模型搞不清楚顧客的意圖，結果答錯問題被投訴。把 Line Messaging API 只負責訊息收發，Webhook 把訊息即時推給後端伺服器，再分配給兩個不同的 AI：
- Gemini API：擅長長文分析與知識型查詢，像是商品規格、保養說明這類需要精確資料的問答。
- ChatGPT API：負責自然語言對話與導購，能在聊天中自然插入推薦，感覺像真人客服。
這樣一來，問題會先由 Gemini 判斷是否屬於「資訊查詢」，若是則回傳答案；如果屬於「購買導向」或需要多輪互動，則交給 ChatGPT 處理。
2. 基本流程怎麼設定？（一步步教學）
以下是我在公司內部測試的步驟，簡單到可以直接套用：
- 1?? 先在 LINE 官方帳號後臺啟用 Messaging API，取得 Channel ID、Secret 以及 Access Token。
- 2?? 把這三組資訊寫進自家的伺服器環境變數，讓 Webhook 能夠認證。
- 3?? 在 LINE 開發者平臺設定 Webhook URL（我用的是 https://yourdomain.com/line-webhook）。
- 4?? 伺服器收到訊息後，先呼叫 Gemini API 判斷問題型別，回傳
intent標籤。 - 5?? 根據
intent，決定呼叫 Gemini（資訊類）或 ChatGPT（對話類）。 - 6?? AI 回覆後再透過 Messaging API 把文字或富文本發回給使用者。
- 7?? 每筆對話都寫入資料庫，並同時更新會員的標籤與分群，方便後續行銷自動化。
最怕的錯誤是 Webhook 回傳時間過長，LINE 會視為失敗。我的做法是把 AI 呼叫放在非同步工作佇列，先回傳「請稍候，我正在處理」的訊息，再在背景完成真正回覆。
3. 真實使用感受：哪裡最讓我放心？
匯入兩個模型之後，我觀察到三件事：
- 客服回覆的正確率提升約 30%，尤其是技術規格類問題，Gemini 能直接引用官方檔案。
- 多輪對話變得順暢，ChatGPT 能記住前一次的需求，像是「我想要顏色是深藍的」之後再問「有沒有折扣」時，AI 仍能把顏色資訊帶入回覆。
- 夜間與假日的詢問轉單率上升，因為 AI 能即時提供商品連結或預約表單，顧客不必等到第二天。
最重要的是，所有訊息都同步寫進 CRM，後續的再行銷只要根據標籤自動推播，省下不少人力。
4. 常見的踩雷點與避免方法
我在實作時遇到的問題，其實大多跟「流程斷層」有關：
- Webhook 未設定 HTTPS，導致 LINE 拒絕連線。記得一定要有有效的 SSL 憑證。
- AI 回覆超過 5 秒仍未回傳，LINE 會直接回傳錯誤訊息。解法是先回「處理中」再補訊。
- 資料庫沒有做好會員 ID 對應，結果同一個人會被建立多筆記錄，分群失效。建議用 LINE User ID 作為主鍵。
- 忘記在 Gemini 呼叫時加上「source」引數，導致查詢不到最新的商品資訊。一定要確保 API 請求帶完整引數。
只要把這幾個點檢查過，整個系統就會相當穩定。
FAQ
Q：如果我已經有自己的客服系統，能直接接上 Gemini 與 ChatGPT 嗎？
A：可以。只要在原有系統的訊息入口加上一層「API Gateway」把訊息轉給 LINE Messaging API，再依照上面的流程分配 AI，即可保持原有 CRM 同步。
Q：需要什麼樣的伺服器資源才能同時支援數千條訊息？
A：基本的雲端 VM（2 核 CPU、4 GB RAM）足以應付中小企業的流量；若預期高峰期訊息量大，建議使用容器化部署，配合自動擴容。
如果想了解更深入的案例、完整程式碼或最新的模型更新，歡迎持續關注相關技術分享。
延伸閱讀
