三天後，一個令人沮喪的消息傳來：南桃團隊的地方創生補助案申請失敗。李秘書拿著評審結果通知書，臉色凝重地走進會議室。
「很遺憾，」李秘書小心翼翼地說，「你們的補助案沒有通過審核。評審委員會認為申請案不夠完整。」
小潔接過通知書，看著上面的評語，心情瞬間跌落谷底：「『申請內容雖有創意，但技術規劃不夠詳實，缺乏完整的實施方案和風險評估』...這怎麼可能？我們準備得很充分啊！」
大財皺著眉頭：「讓我看看...這些評語感覺很奇怪，好像他們對我們的計畫有誤解。」
阿美失望地說：「我已經在社群媒體上預告好了，現在要怎麼跟大家說明？」
霈姊抱著小肉丸，看到團隊成員們的失望，心中也感到難過。小肉丸似乎感受到了氣氛的變化，安靜地依偎在媽媽懷中。
小肉丸輕聲問：「媽媽，大家怎麼看起來不開心？」
沉默了一會兒後，李秘書欲言又止地說：「其實...我打聽到一些消息。」
小潔立刻抬起頭：「什麼消息？」
李秘書降低了聲音：「評審委員會說，今年有另一個團隊提交了幾乎一模一樣的申請案，但是內容更加完整詳實。他們不只有技術規劃，還有完整的商業模式、風險評估、和長期營運計畫。」
大財震驚地站起來：「幾乎一模一樣？這怎麼可能？我們的企劃是原創的！」
小潔感到一陣寒意：「會不會是有人...偷取了我們的企劃內容？」
李秘書點點頭：「我也覺得很奇怪。那個團隊的負責人姓『林』，據說有很強的技術背景，而且申請案的格式和你們的非常相似，只是內容更加豐富。」
霈姊心中感到不安，這種巧合讓她想起了最近的一些異常情況。
阿美憤怒地說：「如果真的是抄襲我們的企劃，這太過分了！我們應該申訴！」
大財冷靜地分析：「但是要證明對方抄襲我們很困難，而且如果對方真的提供了更完整的內容，就算申訴成功，我們也不一定會獲得補助。」
面對這個打擊，團隊陷入了短暫的低潮。原本期待的300萬補助金泡湯，更糟糕的是，可能有人惡意競爭。
小潔苦笑著說：「我們辛苦了這麼久，結果被人搶先一步。」
霈姊看著沮喪的團隊成員，溫柔地說：「雖然失望，但我們不能放棄。這段時間我們學到了很多，也幫助了很多人，這些價值不會因為補助案失敗而消失。」
大財深深吸了一口氣：「霈姊說得對。而且這件事讓我更清楚了一點：我們不能只依賴政府補助，我們需要建立自己的服務體系。」
小肉丸看到大人們的情緒漸趨平靜，天真地說：「叔叔阿姨們，肉丸覺得你們還是很厲害！」
這句話讓大家都笑了起來，緊張的氣氛稍微緩解。
經過一番討論，團隊決定改變策略。
小潔率先提議：「既然傳統的補助申請行不通，我們為什麼不更全面地經營網路平台？直接為民眾提供服務，建立自己的收益模式。」
大財眼睛一亮：「對！我們可以建立一個更完整的數位服務平台。現在正是嘗試新技術的好時機！」
阿美也興奮起來：「我們可以製作更多元的內容，包括教學影片、線上課程、還有即時諮詢服務！」
霈姊思考了一下：「具體來說，我們要做什麼？」
大財說：「我想到一個很好的起點：LINE機器人！」
大財開始解釋他的想法：「LINE在台灣的普及率很高，如果我們建立一個AI服務機器人，可以24小時為民眾提供諮詢服務。這樣不只能擴大服務範圍，還能累積用戶數據，了解大家真正的需求。」
小潔立刻理解了這個想法的價值：「這個很棒！而且LINE機器人可以提供個人化服務，比傳統的客服更有效率。」
阿美也贊同：「對！而且我們可以把所有學會的AI技能都整合進去，讓機器人變成一個超強的助手！」
李秘書聽到這個討論，也很感興趣：「其實鄉公所也一直在想改善民眾服務的方法。如果你們的機器人真的做得好，我們也很願意合作推廣。」
霈姊看著團隊重新燃起的熱情，心中感到欣慰：「那我們就開始吧！把這次的挫折轉化為前進的動力！」
當天下午，團隊就在霈姊咖啡店開始了LINE機器人的開發工作。大財打開筆電，開始向大家説明LINE Bot的基本概念。
「LINE機器人其實就是一個自動回覆系統，」大財解釋，「但結合AI技術後，它可以理解使用者的問題，提供個人化的回答，甚至學習使用者的偏好。」
他在白板上畫出系統架構圖：
「我們的系統分成四個層次：
小潔仔細研究架構圖：「這個系統需要什麼技術基礎？」
大財開始列舉：「主要需要LINE Messaging API、自然語言處理技術、還有我們自己建立的知識庫。不過別擔心，我們可以用AI來協助開發。」
大財開啟Gemini，開始設計LINE機器人的功能架構：
大財的提示詞：
「請協助設計一個南桃鄉AI服務機器人，需要具備以下功能：
核心服務：
1. AI技能學習諮詢（基礎問題、工具推薦、學習路徑）
2. 永續環保指導（評估、建議、實踐方法）
3. 創業輔導諮詢（企劃書、資源媒合、政策資訊）
4. 在地資訊服務（活動通知、商家資訊、交通指引）
使用者類型：
- 一般民眾（基礎AI技能需求）
- 小型企業主（數位轉型需求）
- 學生和求職者（技能提升需求）
- 銀髮族（簡化操作需求）
請設計：
1. 對話流程和選單結構
2. 常見問題分類和標準回答
3. 個人化服務的實現方式
4. 人工客服轉接的觸發條件
5. 使用者滿意度追蹤機制
請確保介面友善且功能實用。」
AI很快提供了詳細的設計建議，包括完整的功能架構和對話流程。
霈姊看著這個設計，感到很驚喜：「這個機器人功能好完整！不只能回答問題，還能提供個人化服務。」
阿美補充說：「而且這樣我們就能追蹤哪些問題最常被問到，可以針對性地準備更多內容。」
接下來是最關鍵的步驟：建立機器人的知識庫。大財説明這是決定機器人回答品質的核心要素。
「我們需要把過去幾個月學會的所有技能和經驗，系統化地整理成機器人能理解的格式，」大財說。
小潔提議：「我們可以按照不同主題分類整理，每個人負責自己最擅長的領域。」
團隊開始分工：
他們開始用AI協助整理知識庫：
小潔的提示詞：
「請幫我整理企劃書撰寫的常見問題和標準答案：
常見問題類型：
1. 企劃書格式和結構問題
2. 預算編列和財務規劃
3. 市場分析和競爭研究
4. 風險評估和應對策略
5. 政府補助申請流程
請為每個類型提供：
- 3-5個具體的常見問題
- 簡潔明確的標準答案
- 進階諮詢的引導方式
- 相關資源的推薦連結
答案要適合在LINE訊息中傳送，每則不超過200字。」
大財開始設計機器人的對話流程，讓它能夠自然地與使用者互動。
「我們要讓機器人有個性，」大財說，「它應該有南桃鄉的在地特色，溫暖友善，就像我們團隊的風格一樣。」
他設計了機器人的基本人設：
機器人名稱：小桃助手
個性特質：
開場招呼：
「哈囉！我是小桃助手，南桃鄉的AI好夥伴！🍑✨
我可以幫你解決各種AI技能、環保生活、創業諮詢的問題呢！
請選擇你需要的服務，或直接告訴我你的問題吧！」
阿美看著這個設計，忍不住笑了：「小桃助手！這個名字好可愛，而且桃子符號也很有南桃鄉的特色。」
小肉丸在旁邊聽到，興奮地說：「小桃助手！像肉丸一樣可愛嗎？」
霈姊溫柔地回答：「對啊，小桃助手會幫助很多人，就像小肉丸總是給大家帶來快樂一樣。」
大財開始進行實際的技術開發工作。他先申請LINE Developer帳號，然後建立新的機器人應用。
「首先我們需要設定機器人的基本資訊，」大財邊操作邊説明，「包括名稱、頭像、歡迎訊息等等。」
他展示LINE開發者控制台的介面：
「看，這裡可以設定機器人的基本資料。我們把頭像設計成一個可愛的桃子圖案，配上南桃鄉的地標背景。」
接著他開始撰寫機器人的核心程式碼，並用AI協助開發：
大財的程式開發提示詞：
「請協助我撰寫LINE機器人的Python程式碼，需要具備以下功能：
技術架構：
- 使用LINE Messaging API
- 整合OpenAI GPT模型進行自然語言理解
- 連接自建知識庫數據庫
- 實現多輪對話管理
核心功能：
1. 接收使用者訊息並分類意圖
2. 根據意圖查詢知識庫或調用AI模型
3. 產生個人化回答
4. 記錄對話歷史和使用者偏好
5. 提供選單式快速服務
請提供：
- 完整的程式架構
- 關鍵功能的程式碼範例
- 錯誤處理和例外狀況處理
- 效能優化建議
程式碼要有詳細註解，方便團隊成員理解。」
經過幾個小時的開發，小桃助手的初版完成了！團隊成員都迫不及待地想要測試。
大財在群組中加入了小桃助手，大家開始試用：
小潔：「小桃助手，我想學習如何寫企劃書」
小桃助手：「太棒了！企劃書是很實用的技能呢！🍑
我可以根據你的需求提供不同層次的指導：
📝 基礎入門：企劃書格式和結構
💰 進階技巧：預算編列和財務規劃
🎯 專業應用：政府補助案撰寫
你想從哪個開始呢？」
阿美：「哇！回答得好專業！小桃助手，怎麼經營社群媒體？」
小桃助手：「社群經營是現代行銷的重點！讓我來幫你！📱✨
首先，你的目標群體是誰呢？
🎯 年輕族群 (18-30歲)
👨💼 商務人士 (30-50歲)
👴🏻 銀髮族 (50歲以上)
🏢 企業客戶
告訴我你的目標，我會提供客製化建議！」
霈姊也試著問問題：「小桃助手，咖啡店怎麼做環保？」
小桃助手：「咖啡店環保實踐是我們南桃鄉的特色！☕🌱
霈姊咖啡店就是最佳典範呢！我可以分享：
♻️ 咖啡渣循環利用
🌞 太陽能節能方案
🛍️ 永續供應鏈建立
📊 環保效益追蹤
你想了解哪個部分呢？」
經過一下午的測試，小桃助手的表現讓所有人都很滿意。機器人不僅能準確回答各種問題，還能根據使用者的需求提供個人化的建議。
「這個機器人比我想像中還要聰明！」小潔讚嘆道，「而且回答方式很親切，就像在跟朋友聊天一樣。」
大財檢查著後台數據：「使用者體驗很好，回應時間也很快。我們的知識庫建構得很完整。」
阿美已經開始想像推廣的可能性：「如果我們在社群媒體上分享這個機器人，一定會有很多人感興趣！」
霈姊抱著小肉丸，看著團隊成員們滿足的表情，心中充滿了成就感。從學習AI技能到現在能夠開發出實用的服務，他們真的成長了很多。
就在團隊專心測試新機器人功能時，鄉公所的李秘書又帶來了一個令人驚喜的消息。
「剛剛接到縣政府的電話，」她興奮地說，「他們對你們的LINE機器人很感興趣，希望能夠合作推廣到全縣的其他鄉鎮！」
小潔眼睛一亮：「真的嗎？這是很大的機會！」
李秘書繼續說：「對啊！而且他們願意提供額外的技術支援和推廣資源。下週會有一個正式的合作討論會議。」
大財雖然興奮，但還是保持謹慎：「這是很好的機會，但我們也要確保技術的安全性和獨立性。」
阿美則想到了推廣的可能性：「如果能推廣到全縣，我們的影響力會大幅提升！」
霈姊看著團隊的成功，心中感到無比驕傲：「從最初的學習AI技能，到現在能夠開發出幫助更多人的服務，我們真的走了很遠的路。」
小肉丸在旁邊聽到大人們開心的討論，也拍著小手說：「叔叔阿姨們好厲害！小桃助手會幫助很多人對不對？」
團隊成員們看著小肉丸天真的笑容，都感到一陣溫暖。這一路走來雖然有挫折，但正是這些真摯的支持和鼓勵，讓他們有動力繼續前進。
經過這次補助案的挫折，南桃團隊反而找到了更適合的發展方向。他們不再過度依賴外部資源，而是建立起自己獨特的服務模式。
小潔總結這段經歷：「雖然補助案失敗讓我們失望，但也讓我們學會了更重要的事情：真正的價值在於我們能為社區帶來什麼改變。」
大財點頭同意：「而且通過開發LINE機器人，我們不只學會了新技術，還建立了可持續的服務平台。」
阿美興奮地補充：「現在有政府的合作機會，我們可以把這個模式推廣到更多地方，幫助更多人學習AI技能！」
團隊決定把重心放在完善小桃助手的功能，並準備下週與縣政府的合作討論。他們相信，通過持續的努力和創新，一定能夠實現幫助更多人掌握AI技能的目標。
本章重點技能習得：
下一章預告：
縣政府合作會議即將展開，南桃團隊將面臨新的挑戰：如何將他們的AI服務模式標準化並推廣到全縣？同時，他們也將學習更進階的AI技術，為即將到來的南桃創意市集做準備...
若迫不及待想要知道之後的故事發展，可以到鏡文學，故事的部分，我已經都上傳到這裡，歡迎使用打賞功能等📚，是對筆者最實質的鼓勵🥰。ps:實做的部分還是會只放在鐵人賽喔
我是 Wolke。我是一名專業程式開發者，專長是開發 AI 和程式解決方案。
我投入了不少時間在專業發展上。我是多本書的作者，其中包括《LINE聊天機器人+AI+雲端+開源+程式：輕鬆入門到完整學習》和《ChatGPT來襲，未來人人都需具備的運算思維！應用詠唱工程來釋放程式生產力—程式學習/開發篇》。也有出版線上課程，我熱衷於分享我的經驗和技術，幫助其他開發者更好地利用 AI 工具。
也在許多知名大學、論壇、社團擔任講者，如果貴方有需要也歡迎與我聯繫。
2023年 講座 紀錄
最後這篇文章若有切合你的需求，敬請訂閱按讚分享
本系列相關內容已轉載及加強到筆者 2025 年 所出版之
若這篇文章對您有實質幫助🙏，還望購買書籍📚，是對筆者最實質的鼓勵🥰。
透過本指南，您將學會：
步驟說明：
重要設定項目：
必要設定項目：
Channel設定清單：
✅ Channel Secret（頻道密鑰）
✅ Channel Access Token（頻道存取權杖）
✅ Webhook URL（稍後設定）
✅ 自動回覆訊息（建議關閉）
✅ Greeting Message（歡迎訊息）
AI輔助設定提示詞：
請協助我設計LINE機器人的基本設定：
機器人用途：[您的機器人功能]
目標使用者：[主要使用族群]
服務範圍：[地區或領域]
請提供：
1. 機器人名稱建議（3-5個選項）
2. 歡迎訊息內容（溫暖友善風格）
3. 自我介紹文案（100字內）
4. 功能選單設計（Rich Menu結構）
5. 回覆訊息的語調風格設定
請確保內容親切易懂，符合台灣在地文化。
基本環境安裝：
# 建立虛擬環境
python -m venv linebot_env
source linebot_env/bin/activate # Linux/Mac
# linebot_env\Scripts\activate # Windows
# 安裝必要套件
pip install line-bot-sdk flask python-dotenv requests openai
專案結構建立：
linebot_project/
├── app.py # 主程式檔案
├── config.py # 設定檔
├── requirements.txt # 套件需求清單
├── .env # 環境變數檔案
├── templates/ # 範本檔案夾
├── static/ # 靜態檔案夾
└── modules/ # 功能模組
├── ai_handler.py # AI處理模組
├── knowledge_base.py # 知識庫模組
└── security.py # 安全防護模組
主程式範例（app.py）：
from flask import Flask, request, abort
from linebot import LineBotApi, WebhookHandler
from linebot.exceptions import InvalidSignatureError
from linebot.models import MessageEvent, TextMessage, TextSendMessage
import os
from dotenv import load_dotenv
# 載入環境變數
load_dotenv()
app = Flask(__name__)
# LINE Bot設定
line_bot_api = LineBotApi(os.getenv('CHANNEL_ACCESS_TOKEN'))
handler = WebhookHandler(os.getenv('CHANNEL_SECRET'))
@app.route("/callback", methods=['POST'])
def callback():
# 驗證請求來源
signature = request.headers['X-Line-Signature']
body = request.get_data(as_text=True)
try:
handler.handle(body, signature)
except InvalidSignatureError:
abort(400)
return 'OK'
@handler.add(MessageEvent, message=TextMessage)
def handle_message(event):
# 基本回覆功能
reply_text = f"您說：{event.message.text}"
line_bot_api.reply_message(
event.reply_token,
TextSendMessage(text=reply_text)
)
if __name__ == "__main__":
app.run()
AI處理模組範例（modules/ai_handler.py）：
import openai
import json
from typing import Dict, List
class AIHandler:
def __init__(self, api_key: str):
openai.api_key = api_key
self.conversation_history = {}
def classify_intent(self, message: str, user_id: str) -> Dict:
"""分析使用者意圖"""
prompt = f"""
請分析以下使用者訊息的意圖：
訊息：{message}
請回傳JSON格式：
{{
"intent": "意圖類別",
"confidence": 0.95,
"entities": ["相關關鍵字"],
"response_type": "回應類型"
}}
意圖類別包含：
- ai_learning: AI技能學習
- business_consulting: 創業諮詢
- environmental: 環保相關
- local_info: 在地資訊
- general: 一般閒聊
"""
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[{"role": "user", "content": prompt}],
max_tokens=200
)
try:
result = json.loads(response.choices[0].message.content)
return result
except:
return {"intent": "general", "confidence": 0.5}
def generate_response(self, intent: Dict, message: str, user_id: str) -> str:
"""根據意圖產生回應"""
# 載入對話歷史
history = self.conversation_history.get(user_id, [])
# 建立對話上下文
context = f"""
你是南桃鄉的AI助手「小桃助手」，個性溫暖友善。
使用者意圖：{intent['intent']}
當前訊息：{message}
對話歷史：{history[-3:]} # 保留最近3次對話
請提供有用的回答，並保持親切的語調。
回答長度控制在150字內。
"""
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[{"role": "system", "content": context}],
max_tokens=200
)
reply = response.choices[0].message.content
# 更新對話歷史
history.append({"user": message, "bot": reply})
self.conversation_history[user_id] = history[-5:] # 保留最近5次對話
return reply
知識庫模組範例（modules/knowledge_base.py）：
import json
from typing import List, Dict
class KnowledgeBase:
def __init__(self):
self.knowledge = self.load_knowledge()
def load_knowledge(self) -> Dict:
"""載入知識庫"""
knowledge = {
"ai_learning": {
"basic": [
{
"question": "什麼是AI？",
"answer": "AI（人工智慧）是讓電腦模擬人類智慧的技術，包括學習、推理、感知等能力。",
"follow_up": ["想了解AI的應用領域嗎？", "需要AI學習資源推薦嗎？"]
}
],
"tools": [
{
"question": "推薦AI工具",
"answer": "推薦入門工具：ChatGPT（對話）、Gemini（搜尋）、Midjourney（圖像）",
"follow_up": ["想學習具體使用方法嗎？"]
}
]
},
"business": {
"planning": [
{
"question": "如何寫企劃書？",
"answer": "企劃書基本結構：目標→現況分析→解決方案→執行計畫→預算→效益評估",
"follow_up": ["需要企劃書範本嗎？", "想了解預算編列技巧嗎？"]
}
]
}
}
return knowledge
def search_knowledge(self, intent: str, keywords: List[str]) -> Dict:
"""搜尋知識庫"""
category = intent.split('_')[0] if '_' in intent else intent
if category in self.knowledge:
# 簡化版關鍵字匹配
for subcategory in self.knowledge[category]:
for item in self.knowledge[category][subcategory]:
for keyword in keywords:
if keyword.lower() in item['question'].lower():
return item
return None
def get_random_tip(self, category: str) -> str:
"""獲取隨機小貼士"""
tips = {
"ai": "💡 小貼士：使用AI時，清楚具體的問題會得到更好的答案！",
"business": "💡 小貼士：好的企劃案要有明確的目標和可測量的成果！",
"environmental": "💡 小貼士：小改變也能帶來大影響，從日常做起！"
}
return tips.get(category, "💡 小貼士：持續學習是成功的關鍵！")
AI輔助選單設計提示詞：
請設計LINE機器人的Rich Menu（豐富選單）：
機器人功能：
1. AI技能學習諮詢
2. 創業和企劃指導
3. 環保生活建議
4. 在地資訊服務
5. 人工客服轉接
設計要求：
- 6個主要按鈕區域
- 色彩溫暖友善
- 圖示清楚易懂
- 符合台灣使用習慣
請提供：
1. 選單佈局建議（2x3或3x2）
2. 每個按鈕的標題和圖示建議
3. 按鈕顏色配置
4. 整體視覺風格描述
5. 無障礙設計考量
請以JSON格式提供選單配置。
對話流程架構：
class ConversationFlow:
def __init__(self):
self.flows = {
"ai_learning": {
"entry": "歡迎學習AI！你想了解什麼？",
"options": [
{"text": "🎯 基礎概念", "action": "show_ai_basics"},
{"text": "🛠️ 實用工具", "action": "show_ai_tools"},
{"text": "📚 學習資源", "action": "show_resources"}
]
},
"business_consulting": {
"entry": "創業諮詢服務！需要什麼協助？",
"options": [
{"text": "📝 企劃書撰寫", "action": "business_plan_help"},
{"text": "💰 資金規劃", "action": "financial_planning"},
{"text": "📊 市場分析", "action": "market_analysis"}
]
}
}
def get_flow_response(self, flow_type: str, step: str = "entry"):
"""獲取對話流程回應"""
if flow_type in self.flows:
flow = self.flows[flow_type]
if step == "entry":
return self.create_quick_reply(flow["entry"], flow["options"])
return None
def create_quick_reply(self, text: str, options: List[Dict]) -> Dict:
"""建立快速回覆選項"""
quick_reply_items = []
for option in options[:10]: # LINE限制最多10個選項
quick_reply_items.append({
"type": "action",
"action": {
"type": "message",
"label": option["text"],
"text": option["text"]
}
})
return {
"type": "text",
"text": text,
"quickReply": {
"items": quick_reply_items
}
}
安全模組範例（modules/security.py）：
import time
from collections import defaultdict
from typing import Dict, Tuple
class SecurityManager:
def __init__(self):
self.user_requests = defaultdict(list)
self.blocked_users = set()
# 安全參數設定
self.max_requests_per_minute = 10
self.max_requests_per_hour = 100
self.block_duration = 300 # 5分鐘
def check_rate_limit(self, user_id: str) -> Tuple[bool, str]:
"""檢查使用者請求頻率"""
current_time = time.time()
# 檢查是否被封鎖
if user_id in self.blocked_users:
return False, "您的訪問被暫時限制，請稍後再試。"
# 清理過期記錄
self.cleanup_old_requests(user_id, current_time)
# 檢查每分鐘限制
minute_requests = [
req_time for req_time in self.user_requests[user_id]
if current_time - req_time < 60
]
if len(minute_requests) >= self.max_requests_per_minute:
self.block_user(user_id)
return False, "請求過於頻繁，請稍後再試。"
# 檢查每小時限制
hour_requests = [
req_time for req_time in self.user_requests[user_id]
if current_time - req_time < 3600
]
if len(hour_requests) >= self.max_requests_per_hour:
return False, "您今日的使用次數已達上限，請明日再試。"
# 記錄當前請求
self.user_requests[user_id].append(current_time)
return True, ""
def detect_suspicious_behavior(self, user_id: str, message: str) -> bool:
"""偵測可疑行為"""
suspicious_patterns = [
"system", "admin", "database", "api",
"password", "token", "secret", "key"
]
message_lower = message.lower()
for pattern in suspicious_patterns:
if pattern in message_lower:
self.log_suspicious_activity(user_id, message)
return True
return False
def log_suspicious_activity(self, user_id: str, message: str):
"""記錄可疑活動"""
timestamp = time.strftime("%Y-%m-%d %H:%M:%S")
log_entry = f"[{timestamp}] 可疑活動 - 使用者: {user_id}, 訊息: {message}"
# 寫入日誌檔案或數據庫
with open("security.log", "a", encoding="utf-8") as f:
f.write(log_entry + "\n")
def block_user(self, user_id: str):
"""封鎖使用者"""
self.blocked_users.add(user_id)
# 可以設定自動解封機制
# threading.Timer(self.block_duration, self.unblock_user, [user_id]).start()
資料保護實作：
import hashlib
import json
from cryptography.fernet import Fernet
class DataProtection:
def __init__(self, encryption_key: str = None):
if encryption_key:
self.cipher = Fernet(encryption_key.encode())
else:
self.cipher = Fernet(Fernet.generate_key())
def hash_user_id(self, user_id: str) -> str:
"""將使用者ID進行雜湊處理"""
return hashlib.sha256(user_id.encode()).hexdigest()[:16]
def encrypt_sensitive_data(self, data: Dict) -> str:
"""加密敏感資料"""
json_data = json.dumps(data, ensure_ascii=False)
encrypted_data = self.cipher.encrypt(json_data.encode())
return encrypted_data.decode()
def decrypt_sensitive_data(self, encrypted_data: str) -> Dict:
"""解密敏感資料"""
decrypted_data = self.cipher.decrypt(encrypted_data.encode())
return json.loads(decrypted_data.decode())
def sanitize_input(self, text: str) -> str:
"""清理使用者輸入"""
# 移除潛在危險字符
dangerous_chars = ['<', '>', '"', "'", '&', 'script', 'javascript']
cleaned_text = text
for char in dangerous_chars:
cleaned_text = cleaned_text.replace(char, '')
return cleaned_text.strip()
分析模組範例：
import sqlite3
from datetime import datetime
from typing import Dict, List
class AnalyticsManager:
def __init__(self, db_path: str = "analytics.db"):
self.db_path = db_path
self.init_database()
def init_database(self):
"""初始化數據庫"""
conn = sqlite3.connect(self.db_path)
cursor = conn.cursor()
cursor.execute('''
CREATE TABLE IF NOT EXISTS user_interactions (
id INTEGER PRIMARY KEY AUTOINCREMENT,
user_id_hash TEXT,
message_type TEXT,
intent TEXT,
timestamp DATETIME,
response_time REAL,
satisfaction_score INTEGER
)
''')
conn.commit()
conn.close()
def log_interaction(self, user_id_hash: str, message_type: str,
intent: str, response_time: float):
"""記錄使用者互動"""
conn = sqlite3.connect(self.db_path)
cursor = conn.cursor()
cursor.execute('''
INSERT INTO user_interactions
(user_id_hash, message_type, intent, timestamp, response_time)
VALUES (?, ?, ?, ?, ?)
''', (user_id_hash, message_type, intent, datetime.now(), response_time))
conn.commit()
conn.close()
def get_usage_statistics(self, days: int = 7) -> Dict:
"""獲取使用統計"""
conn = sqlite3.connect(self.db_path)
cursor = conn.cursor()
# 查詢最近N天的統計
cursor.execute('''
SELECT
COUNT(*) as total_interactions,
COUNT(DISTINCT user_id_hash) as unique_users,
AVG(response_time) as avg_response_time,
intent,
COUNT(*) as intent_count
FROM user_interactions
WHERE timestamp >= datetime('now', '-{} days')
GROUP BY intent
'''.format(days))
results = cursor.fetchall()
conn.close()
return {
"summary": {
"total_interactions": sum(row[0] for row in results),
"unique_users": len(set(row[1] for row in results)),
"avg_response_time": sum(row[2] for row in results) / len(results) if results else 0
},
"intent_distribution": [
{"intent": row[3], "count": row[4]}
for row in results
]
}
監控系統範例：
import psutil
import time
from typing import Dict
class PerformanceMonitor:
def __init__(self):
self.start_time = time.time()
self.request_count = 0
self.error_count = 0
def get_system_metrics(self) -> Dict:
"""獲取系統效能指標"""
return {
"cpu_usage": psutil.cpu_percent(),
"memory_usage": psutil.virtual_memory().percent,
"disk_usage": psutil.disk_usage('/').percent,
"uptime": time.time() - self.start_time,
"request_count": self.request_count,
"error_count": self.error_count,
"error_rate": self.error_count / max(self.request_count, 1)
}
def log_request(self):
"""記錄請求"""
self.request_count += 1
def log_error(self):
"""記錄錯誤"""
self.error_count += 1
def health_check(self) -> Dict:
"""健康檢查"""
metrics = self.get_system_metrics()
status = "healthy"
if metrics["cpu_usage"] > 80:
status = "warning"
if metrics["memory_usage"] > 90 or metrics["error_rate"] > 0.1:
status = "critical"
return {
"status": status,
"metrics": metrics,
"timestamp": datetime.now().isoformat()
}
Heroku部署配置：
requirements.txt:
Flask==2.3.3
line-bot-sdk==3.5.0
python-dotenv==1.0.0
requests==2.31.0
openai==0.28.1
psycopg2-binary==2.9.7
gunicorn==21.2.0
Procfile:
web: gunicorn app:app
runtime.txt:
python-3.11.5
.env範例：
CHANNEL_ACCESS_TOKEN=your_channel_access_token
CHANNEL_SECRET=your_channel_secret
OPENAI_API_KEY=your_openai_api_key
DATABASE_URL=your_database_url
ENCRYPTION_KEY=your_encryption_key
DEBUG=False
問題：Webhook連接失敗
解決方案：
問題：回應速度過慢
解決方案：
問題：遭受惡意攻擊
解決方案：
LINE機器人是現代數位服務的重要工具，結合AI技術後能夠提供更智慧、更個人化的使用者體驗。透過本指南的學習，您將能夠：
記住大財在故事中的理念：「AI是工具，但用心的設計才是創造價值的關鍵。」讓您的LINE機器人不只是技術展示，更要成為真正幫助使用者的好夥伴。
下一步行動：
選擇一個您關心的服務領域，運用本指南開始打造您的專屬LINE機器人。從簡單的問答開始，逐步加入AI智慧功能，創造真正有價值的數位服務！
若迫不及待想要知道之後的故事發展，可以到鏡文學，故事的部分，我已經都上傳到這裡，歡迎使用打賞功能等📚，是對筆者最實質的鼓勵🥰。ps:實做的部分還是會只放在鐵人賽喔
我是 Wolke。我是一名專業程式開發者，專長是開發 AI 和程式解決方案。
我投入了不少時間在專業發展上。我是多本書的作者，其中包括《LINE聊天機器人+AI+雲端+開源+程式：輕鬆入門到完整學習》和《ChatGPT來襲，未來人人都需具備的運算思維！應用詠唱工程來釋放程式生產力—程式學習/開發篇》。也有出版線上課程，我熱衷於分享我的經驗和技術，幫助其他開發者更好地利用 AI 工具。
也在許多知名大學、論壇、社團擔任講者，如果貴方有需要也歡迎與我聯繫。
2023年 講座 紀錄
最後這篇文章若有切合你的需求，敬請訂閱按讚分享
本系列相關內容已轉載及加強到筆者 2025 年 所出版之
若這篇文章對您有實質幫助🙏，還望購買書籍📚，是對筆者最實質的鼓勵🥰。
💥 計畫告急！補助案竟意外落選？
💪 危機秒變轉機，團隊火力全開！
🍑 開發超萌「小桃助手」LINE機器人！
🚀 竟獲政府青睞，迎來全新合作！
#南桃AI重生記 #地方創生 #危機就是轉機 #LINE機器人 #AI應用 #團隊力量 #永不放棄
iThome鐵人賽
看影片追技術