機器人整合：平台串接 vs. 自訂前端
整合方式
在部署聊天機器人時，主要可分為兩種整合方式，依據您的使用情境與彈性需求選擇適合的方式：
方式一：整合至現有通訊平台（如 LINE、Slack、Discord）
這種整合方式適合希望快速接入既有平台、不需額外撰寫前端 的使用者。您只需在 APP 的選單中選擇對應平台（如 LINE），即可直接將機器人部署至該平台。
不過，這類通訊平台通常會有一些互動限制，例如：
- 無法呈現逐字輸出（Streaming Typing Effect）
- 以 LINE 為例，它不支援模擬輸入文字的打字行為，因此即便您使用 Streaming LLM Completion 模型，訊息仍會以完整塊狀文字方式呈現（fallback）。
- 訊息將在模型回應完成後一次性送出，而非逐字即時顯示。
若您能接受這些平台限制，這種整合方式會是快速且穩定的選擇。
方式二：自訂前端，使用 Generic（通用）整合模式
若您希望完全自訂聊天介面與互動行為（如逐字輸出、動畫呈現等），則可選擇 Generic 模式。
此模式將為您產生一組專屬的 API Endpoint，您可以：
- 自行撰寫前端介面，與 Asgard 系統透過 HTTP Request 進行串接
- 完整掌控訊息展示方式、回覆時機與 UI 行為
- 彈性支援不同平台或裝置需求
這種方式雖需投入一定的開發工時，但換來的是最大的客製化彈性，適合對互動品質有較高要求的場景（如品牌官網導覽、虛擬助理、客服模組等）。
📌 整合方式選擇建議：
| 整合方式 | 是否需撰寫程式 | 支援打字效果 | 適合場景 |
|---|---|---|---|
| LINE / Slack 等平台 | 否 | 否 | 快速導入、團隊協作、客服訊息 |
| Generic 自訂前端 | 是 | ✅ 支援 | 品牌體驗、自定動畫、進階互動 |
🔧 Getting Started: Build Your First AI App!
STEP 1：Add a New AI App and Name It
完成工作流程（workflow）設計後，接下來將其部署為一個可以對外使用的 AI 機器人。
請依以下步驟新增整合應用（Integration）：
- 於左側選單中點選
Apps 分頁，進入整合介面 - 點選中央的
「+ New Integration」 按鈕，開始建立新的應用接點
Integration 設定說明：
- Integration 名稱：暫時命名為
API - Description（描述）：暫時命名為
API - Environment（環境）：選擇
main - Workflow（工作流程）：選擇前面章節中建立的
"Hello"流程 - 狀態：請確認 Integration 為「啟用中（Enabled）」
- API Key 權限：請確認你是此 Bot 的設計者，以確保擁有操作與呼叫該 API 的權限。
在本練習中，你可以自行命名一組 API Key，作為測試用途。後續使用此 Key 即可對剛建立的機器人進行 API 呼叫與驗證。
- 完成後，請點選
💾 Save（儲存）按鈕，確保Integration已成功建立。
這樣你的 Integration 就建立完成了！
請回到 Apps 頁面，找到剛剛建立的 Integration 卡片，點選右上角的⋯圖示，並選擇 Integrate。
進入後，你將看到系統自動為你產生的幾個 API Endpoint，包含：
- SSE（Server-Sent Events）：支援即時串流回應，適用於 Streaming 類型的 Bot。SSE 回應的格式會與你在
Workflow 預覽模式（Preview）中看到的回覆行為非常相似。 - Blob：支援二進位資料傳輸，適合上傳檔案等特殊情境。
- Message：基本訊息觸發點，適用於標準文字互動。
📌 這些 Endpoint 可供你在不同平台或自訂前端中整合使用，實現與 Bot 的互動。
使用 SSE Endpoint 發送請求
當你使用 SSE（Server-Sent Events） Endpoint 與 AI Bot 進行串接時，請遵循以下格式發送請求。
HTTP Method
POST
Headers
| 名稱 | 說明 |
|---|---|
X-API-KEY | 請輸入你在建立 Integration 時所設定的 API Key，用於身份驗證 |
Request Body 格式
請以 JSON 格式傳送訊息，內容包含以下三個欄位：
{
"action": "RESET_CHANNEL",
"customChannelId": "1",
"customMessageId": "msg-1",
"text": ""
}
| 欄位名稱 | 說明 |
|---|---|
action | 指令動作，設為 "RESET_CHANNEL" 可清除該頻道的上下文與歷史紀錄 |
customChannelId | 自定義的頻道 ID，用來識別使用者對話上下文 |
customMessageId | 當前訊息的唯一識別碼（用於追蹤回應、日誌） |
text | 留空即可，因為 RESET_CHANNEL 不需實際對話文字 |
📌 應用場景：
- 使用者點選「重新開始對話」按鈕時觸發
- 每次開啟新會話時，自動呼叫重置動作
- 測試 LLM 回應是否在無上下文條件下仍然合理
🧼 對話初始化：開始互動前的 Reset Channel 重置
在每一次機器人對話開始前，系統會先對該使用者的 Channel（頻道）進行初始化，以清空過去的上下文、重設對話狀態，確保此次對話從乾淨的狀態開始。
這個動作通常是透過 API 發送一個包含 action: "RESET_CHANNEL" 的請求來完成。
📌 實際案例說明：Hello Workflow 的初始化動作
以「Hello」這個 Workflow 為例：
- 當你觸發機器人開始對話時，會發現回應前會出現一段 微小的停頓時間。
- 這段時間實際上不是延遲，而是系統正在進行 Channel 初始化 的動作。
- 初始化完成後，才會執行
Entry → Push Message的流程，發送歡迎訊息。
📡 SSE 回應格式：由一連串事件組成的串流式資料
當你呼叫 SSE（Server-Sent Events）Endpoint 時，回應資料不會像傳統 HTTP 一樣一次性傳回，而是以串流（Streaming）方式逐步送出。這種串流式回應是由一系列的 事件（event） 所組成，每個事件都代表對話過程中的一個階段或資料片段。
🧩 事件流程結構（Event Sequence）
SSE 回應通常包含以下事件順序：
run:init- 表示對話流程初始化開始
- 系統已接收訊息並準備執行流程
run:delta/run:data****（多次）- 主體輸出階段
- AI 模型回應內容將以逐段訊息送出，每次一小段
- （可選）****
run:log/run:debug- 若有開啟除錯，可包含流程執行細節或除錯資訊
run:done- 串流回應結束
- 表示本次流程與訊息回覆已完成，可進行下一步處理
🧾 每則訊息的三個組成階段：start、delta、complete
在使用 Streaming LLM Completion 串接聊天機器人時，每一則回應訊息會被拆分為以下三個階段，依序透過 SSE（Server-Sent Events）回傳給前端：
第一階段：start
- 表示回應輸出的起點
- 常用於初始化回應區塊、顯示「AI 正在輸入中」的提示
- 不含實際內容，僅代表一段新訊息即將開始
第二階段：delta
- 核心回應階段
- 每段文字會以小片段（token 或字串）逐步送出
- 前端可即 時將內容「逐字顯示」在畫面上，模擬打字效果
- 此階段可能包含多則
delta事件，直到訊息輸出完畢為止
第三階段：complete
- 表示回應結束，包含完整的結構化資料
- 通常會附帶如：
- 最終組合的輸出文字（例如
answer） - 流程執行摘要或狀態代碼
- 最終組合的輸出文字（例如
- 前端可藉此階段關閉「輸入中」動畫，或觸發下一步操作
- 這三個階段會依序透過不同
event傳送給前端，每一段都可用來更新畫面狀態。 - 若串流中斷或模型錯誤，可能只收到
start或部分delta，此時可由系統觸發error或fallback機制。
▶️ 下一步
在下一個練習介紹其他 Processor：情緒判斷助手中，我們將進一步學習如何製作一個具備 AI 回應能力的自動聊天機器人，讓系統能根據使用者輸入即時生成自然語言回覆。這將結合大型語言模型（LLM）與工作流程設計，打造出更智慧、互動性更強的對話體驗。