剛開始接觸 Line 官方帳號要加上 AI 功能，我的心情有點像在玩拼圖：每一塊都要對得上，才能看到完整圖樣。以下是我在整理資料、試跑流程時，發現的幾個關鍵步驟與避免踩雷的小技巧。
1. 為什麼要用向量嵌入？
傳統的關鍵字比對在面對多變的提問時會卡關，例如「今天可以出貨嗎」或「多久會寄到」這類非標準句子。使用 OpenAI Embedding 模型把 FAQ、商品說明、SOP 等檔案轉成向量，讓 AI 能以語意相似度找出最相關的答案，而不是隻看關鍵字。
2. 建立向量資料庫的基本流程
- 收集所有要放進知識庫的文字檔（FAQ、商品規格、內部流程說明）。
- 使用 OpenAI Embedding API 把每段文字轉成向量。
- 將向量存入向量資料庫（例如 Pinecone、Weaviate），並保留原始文字作為回覆內容。
- 在 Line 官方帳號的 webhook 中加入搜尋程式，收到使用者訊息後即時比對向量，回傳最相似的答案。
這幾步看似簡單，但每一步都要確保資料格式正確，否則搜尋結果會出現「找不到相關答案」的情況。
3. 串接 ChatGPT 與 Gemini 的小技巧
ChatGPT 擅長自然語言生成，適合處理對話流與文字回覆；Gemini 則在多模態（圖片、表單）分析上較有優勢。實務上，我會先用 Gemini 解析使用者上傳的圖片或表單，取得關鍵資訊，再交給 ChatGPT 組合成完整回覆。這樣的分工可以減少單一模型的負荷，也提升回覆的精準度。
4. 常見踩雷點與防範方法
- 資料更新不同步：向量資料庫不會自動跟原始檔案同步。每次更新 FAQ 或 SOP 後，務必重新跑一次 Embedding，否則 AI 仍會回傳舊資訊。
- 回覆不一致：如果同一問題在不同檔案裡有多個答案，向量搜尋可能返回最相近的那一段，導致客服人員看到不一致的回覆。建議先把同類問題的答案統一整理，避免重複。
- 錯誤的 webhook 設定：Line 官方帳號的 webhook 必須回傳 200 OK，否則訊息會被丟回使用者，造成重複回覆。測試時可以先用 ngrok 確認回傳格式。
把這些細節做好後，Line 官方帳號的 AI 客服就能 24 小時不打烊，既能即時回覆常見問題，又能把較複雜的案件交給真人客服處理。
FAQ
Q: Line@ 串接 OpenAI 需要什麼樣的技術基礎？
A: 只要會呼叫 API、處理 JSON 資料，並能部署一個簡單的 webhook，就能完成向量資料庫的建置與搜尋。
Q: 使用 Gemini 有什麼額外好處？
A: Gemini 能同時解析文字與圖片，適合需要辨識表單或商品圖的情境，搭配 ChatGPT 可讓回覆更完整。
延伸閱讀
