在第 17 天，我們將學習如何實現更複雜的對話邏輯。這包括多輪對話處理、條件分支邏輯、甚至是與外部 API 的整合，讓 Bot 能夠進行智能對話。

步驟 1：多輪對話處理

多輪對話是指一個對話有多個步驟，Bot 需要根據用戶的不同回應進行多步互動。這種邏輯常見於客服系統或調查問卷。

1. 定義對話流程：

   • 首先，你需要定義每個用戶的對話狀態。可以使用字典來記錄每個用戶的當前狀態。

   例子：

   user_states = {}
   
   @handler.add(MessageEvent, message=TextMessage)
   def handle_message(event):
       user_id = event.source.user_id
       user_message = event.message.text
   
       if user_id not in user_states:
           user_states[user_id] = "問候"
   
       if user_states[user_id] == "問候":
           reply_message = "你好！今天需要什麼幫助？"
           user_states[user_id] = "等待回應"
       elif user_states[user_id] == "等待回應":
           reply_message = f"你提到的問題是：{user_message}，讓我來幫你。"
           user_states[user_id] = "問候"
   
       line_bot_api.reply_message(event.reply_token, TextSendMessage(text=reply_message))
   

2. 條件分支：

   • 在多輪對話中，你需要根據用戶的回答進行條件判斷。這樣可以實現不同的對話分支。

   例子：

   if "產品" in user_message:
       reply_message = "你對我們的產品有什麼疑問？"
   elif "客服" in user_message:
       reply_message = "我們的客服團隊將很快與您聯繫。"
   else:
       reply_message = "抱歉，我不太明白。"
   

步驟 2：與外部 API 整合

讓 Bot 更加智能的一個方法是與外部 API 整合。例如，你可以使用天氣 API、貨幣兌換 API 或是自動化的 NLP 服務來增強 Bot 的功能。

1. 整合天氣 API：

   • 假設我們想讓 Bot 提供當前天氣資訊，可以整合外部的天氣 API。

   例子：

   import requests
   
   def get_weather(city):
       api_url = f"http://api.weatherapi.com/v1/current.json?key=YOUR_API_KEY&q={city}"
       response = requests.get(api_url)
       data = response.json()
       return f"{city} 的天氣是 {data['current']['condition']['text']}，溫度是 {data['current']['temp_c']}°C。"
   
   @handler.add(MessageEvent, message=TextMessage)
   def handle_message(event):
       user_message = event.message.text
   
       if "天氣" in user_message:
           city = user_message.split("天氣")[0]
           reply_message = get_weather(city)
       else:
           reply_message = "請問你想查詢哪個城市的天氣？"
   
       line_bot_api.reply_message(event.reply_token, TextSendMessage(text=reply_message))
   

2. 整合自然語言處理 (NLP)：

   • 可以使用 NLP API，如 Dialogflow 或 GPT，讓 Bot 能夠理解更複雜的自然語言並做出回應。