LINE 自動回覆系統骨架

很多店家的 LINE 官方帳號，停在「自動回覆＝關鍵字對到罐頭訊息」。客人多問一句就沒反應，最後還是全部靠真人盯。

這份教學帶你把自動回覆做成一套真正可靠的系統：
該一字不差的答案，交給規則。
模糊的自然語言，才交給 AI。
兩邊都設好安全網，接不住的隨時轉真人。

看完你會掌握三件事：
一、整條訊息處理流水線的骨架，從驗簽去重、會員狀態到回覆送出。
二、AI 該放在哪裡才有價值，而不是亂答。
三、讓系統上線後不出包的品質設計要領。

下面流程圖的每個節點都能點開，看它的作用、設計技巧與驗收方式。三個視圖分別是：完整骨架、AI 放哪裡、做好系統的技巧。

為什麼要照這個順序

把 AI 擺在最前面，最常見的結果是：客人問營業時間，它答得很漂亮但答錯了。規則先跑，是為了讓「必須一字不差」的答案永遠一致——但一致不等於真實，規則背後的資料要有人維護；AI 後跑，是為了接住規則接不住的說法。閘門擺最後，是因為就算前面兩層都覺得自己對，送出去之前還是要有人問一句「這句話真的可以發嗎」。有一個例外要記住：付款、取消、改資料這種會動到真實資料的操作，確認與授權要放在「執行之前」，不能等做完才檢查。

另外三個共用底座常被忽略。知識庫沒有版本，答案就會停在半年前的政策；會話狀態沒有逾時，使用者隔天回來會接到昨天那句追問；紀錄沒有留，你永遠只能靠客訴來發現系統壞掉。

進階補充：這頁是入門，不是上線藍圖

這一頁講的是骨架與觀念。真的要把系統跑上正式環境、接真實客人與金流，還有一層可靠性工程是這裡沒展開的：

訊息佇列的深度與重試監控、每個意圖各自的準確率追蹤、AI 回答的引用來源驗證、對話層級的追蹤紀錄、模型與知識庫版本的可重現、緊急關閉開關與事件重放工具。

入門階段不用被這串嚇到，照上面的骨架把規則層做穩、高風險一律轉真人，就能安全地開始。等量大了、要接金流了，再回來把這層補齊，或找有做過的人幫你把關。