新手常問：真的能在 24 小時內自動回覆嗎？
很多人看到「Line 機器人 Python」的廣告，就以為只要貼上程式碼就能馬上擁有 24 小時 AI 客服。事實上，真正能運作的關鍵在於兩個步驟：先把 Line Messaging API 的 Webhook 正確掛到自己的伺服器，然後再把使用者訊息送到 Gemini 或 ChatGPT 的 API，最後把回傳結果回傳給 Line。
步驟一：建立 Channel 並取得 Access Token
在 Line Developers 平臺先建立一個 Channel，完成後會得到 Channel Access Token。這個 Token 必須放在程式的 HTTP Header 中，否則 Line 伺服器會直接拒絕你的請求。新手常忽略的地方是，Token 有有效期限，部署到正式環境前要先檢查是否已過期。
步驟二：用 Flask 實作 Webhook 並串接 Gemini API
以下是最簡化的流程說明：先用 Flask 建立一個 /callback 路由，接收 Line 發過來的 JSON 資料，解析出使用者的文字訊息。接著把這段文字以 POST 方式送到 Gemini 的 endpoint，記得在 Header 裡加入你的 Gemini API Key。Gemini 回傳的 JSON 內含 AI 產生的回覆文字，最後再用 Line 的 replyMessage API 把答案回傳給使用者。
在實作時，別忘了處理例外狀況，例如 Gemini 暫時無法回應時，應該回傳一段預設的「抱歉，系統忙碌中，稍後再試」訊息，避免使用者看到空白回覆。
常見踩雷：許可權、速率與訊息格式
Line 官方帳號對於每個 Channel 的訊息速率都有上限，若同時有大量使用者發訊，容易觸發速率限制，導致回覆失敗。解法是加上訊息佇列或使用非同步處理，讓每筆請求都有足夠的緩衝時間。
另外，回傳給 Line 的 JSON 必須符合官方規範，不能直接把 Gemini 的原始回覆字串塞進去，必須包在 type":"text","text":"..." 結構裡。格式錯誤會讓 Line 直接丟棄回覆，讓使用者以為機器人失靈。
最後提醒，若同時串接多個模型（例如 Gemini 負責商品資訊、ChatGPT 處理自然對話），務必在程式中明確分流，避免同一筆訊息被兩個模型同時處理，造成回覆重複或衝突。
以上整理的步驟與注意事項，適合剛開始想在 Line 官方帳號上加入 AI 功能的朋友參考。若想深入瞭解每個 API 的細節，建議直接閱讀官方檔案或參考開源範例，避免在實作過程中踩到常見的坑。想要完整的程式碼與設定說明，可以自行查閱相關教學資源。
延伸閱讀
