從 0 到 1 打造專業 AI 助理：以「畜試所牧羊人」LINE Bot 為例

前言

在數位轉型的浪潮下，如何讓專業知識（如畜牧技術）透過 AI 更親民地傳遞？本文將分享我如何利用 n8n 自動化工作流，結合 Gemini 2.5 大語言模型，打造出一位既專業又具備「台語人情味」的虛擬副技師——阿德。

一、 工作流架構圖

整個系統由五個核心節點組成，形成一個完整的閉環：

1. LINE Webhook：接收來自用戶的訊息。
2. Extract LINE Message：從複雜的 JSON 中提取使用者文字與 replyToken。
3. Process with Gemini AI：AI 核心，負責角色扮演與邏輯生成。
4. Format Response for LINE：透過 JavaScript 處理格式錯誤。
5. Send Reply to LINE (HTTP Request)：將結果回傳給 LINE 伺服器。

二、 核心 Coding 邏輯與代表含意

在串接過程中，我們使用了兩段關鍵的代碼來確保穩定性：

1. 換行與特殊符號處理 (JavaScript)

這是最重要的一步。AI 生成的文字通常包含換行（Enter）或雙引號，這會導致發送給 LINE 的 JSON 結構破裂。

let text = $input.item.json.text; 
// 將真正的換行符號轉為文字版的 \n，並將雙引號轉義
let safeText = text.replace(/\n/g, "\\n").replace(/"/g, '\\"');
return [{ json: { replyToken: ..., text: safeText } }];

• 代表含意：確保資料在傳輸過程中不會因為「格式不合法」而被 LINE 拒絕。

2. 系統指令 (System Prompt) 優化

為了防止 AI 產生「幻覺」（例如亂編人事資料），我們使用了 事實錨定（Fact Anchoring） 技術：

「你是畜試所副技師阿德。恆春分所長是 陳嘉昇。清單外的人名嚴禁亂編背景，不確定時請引導用戶查詢官網。」

• 代表含意：賦予 AI 靈魂的同時，建立「行為邊界」，確保公信力。

三、 疑難排解 (Troubleshooting) 大全

在開發過程中，我們踩過的坑都是寶貴的經驗：

Q1：為什麼一直出現 Invalid reply token？

• 原因：LINE 的 replyToken 壽命只有 30 秒。
• 解決法：不要在 n8n 編輯器點擊「測試舊資料」，必須直接從手機傳送新訊息來觸發。

Q2：為什麼機器人會回覆「很抱歉，本帳號無法個別回覆」？

• 原因：這是 LINE 官方帳號預設的自動回應功能。
• 解決法：到 LINE Official Account Manager 的「回應設定」，將「自動回應訊息」設為 停用，並開啟 Webhook。

Q3：如何節省 Gemini 的費用？

• 策略：將模型切換為 Gemini 1.5 Flash-Lite，並在指令中要求「全文 300 字以內」。
• 結果：在不影響品質的前提下，大幅降低 Output Token 消耗。

四、 未來展望：地端化與記憶優化

下一步，我預計將工作流搬遷至 Docker 地端環境，以獲得更高的隱私性與無限的執行次數。同時，也計畫加入 Window Buffer Memory，讓阿德技師能「記得」農友上次提過的問題，提供更具連續性的專業諮詢。

結語：打造 AI 機器人不僅是技術的堆疊，更是對專業領域知識的重新梳理。希望這篇分享能幫助同樣想在 LINE 上部署 AI 的朋友們！

相關延伸閱讀與參考資料
https://youtu.be/14sTKPNFWis?si=8xaPXuMEdEdJCD4h