<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Zona Wang on Medium]]></title>
        <description><![CDATA[Stories by Zona Wang on Medium]]></description>
        <link>https://medium.com/@zonawang?source=rss-03d2e4df503d------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*AYYZUJGDznL4SHoVyGmtdQ.jpeg</url>
            <title>Stories by Zona Wang on Medium</title>
            <link>https://medium.com/@zonawang?source=rss-03d2e4df503d------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 04:40:20 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@zonawang/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[從查分館到找附近：用 Google ADK 與 Google Maps，讓電影夥伴依位置找場次]]></title>
            <link>https://medium.com/@zonawang/%E5%BE%9E%E6%9F%A5%E5%88%86%E9%A4%A8%E5%88%B0%E6%89%BE%E9%99%84%E8%BF%91-%E7%94%A8-google-adk-%E8%88%87-google-maps-%E8%AE%93%E9%9B%BB%E5%BD%B1%E5%A4%A5%E4%BC%B4%E4%BE%9D%E4%BD%8D%E7%BD%AE%E6%89%BE%E5%A0%B4%E6%AC%A1-e36c911f3fd6?source=rss-03d2e4df503d------2</link>
            <guid isPermaLink="false">https://medium.com/p/e36c911f3fd6</guid>
            <category><![CDATA[google-adk]]></category>
            <category><![CDATA[line-bot]]></category>
            <dc:creator><![CDATA[Zona Wang]]></dc:creator>
            <pubDate>Thu, 05 Nov 2026 03:31:42 GMT</pubDate>
            <atom:updated>2026-11-05T03:31:42.766Z</atom:updated>
            <content:encoded><![CDATA[<p><a href="https://github.com/zonawang/movie-companion-bot-02/blob/main/medium-02.md">上一篇</a>，我把電影夥伴擴充到跨品牌、跨縣市的影城清單，登錄了 108 個據點，也讓 Google ADK 能理解「台中有哪些秀泰？」和「下一頁」這類查詢。</p><p>有了這些資料，我已經可以指定分館，也能比較不同影城的場次。</p><p>接下來，我想讓查詢從自己所在的位置開始：</p><blockquote><em>如果我直接傳位置給 bot，它能不能告訴我附近有哪些電影院，以及現在還能看什麼電影？</em></blockquote><p>這一篇整理今天接著完成的部分：在既有 Google ADK agent 加入 Google Maps 地點查詢，接回原有的影城場次工具，再把 bot 搬到可以持續運作的雲端主機。</p><h3>從「我要去哪間影城」，到「我附近有哪些選擇」</h3><p>原本使用電影夥伴時，我通常要先知道影城名稱。</p><p>例如：</p><blockquote><em>京站威秀今晚六點後有哪些電影？</em></blockquote><p>這種問法已經有明確分館，agent 可以直接查場次。</p><p>但我在外面時，需求可能還沒有這麼確定。我可能只知道自己在台北車站附近，想看看接下來有哪些電影可以選。</p><p>這次加入的位置查詢，就是讓 bot 先幫我找影院，再沿用前面已經建立的場次查詢能力。</p><p>我可以傳送 LINE 的「位置」，也可以輸入地址或地標。預設會找半徑 3 公里內最近的 3 間影院，並嘗試查詢今天尚未開演的場次。</p><p>傳過定位後，也可以接著說：</p><blockquote><em>改找五公里內的影院。</em></blockquote><p>在定位仍有效的同一段對話中，就能沿用剛才的位置，重新調整搜尋範圍。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/782/1*tftzW5D47eQEuh4ci_H9OA.png" /></figure><h3>Google Maps 找影院，原有工具查電影與時間</h3><p>開始規劃時，我先把資料的分工拆清楚。</p><p>資料來源這次負責的內容Google Maps地點、影院名稱、地址、位置與地圖入口既有影城場次來源指定分館的電影、日期、版本與時間TMDB原有的電影簡介與評論查詢</p><p>Google Maps 找到一家附近影院後，還需要對應到原本的分館資料，才能接著查場次。</p><p>因此，今天的位置功能沿用了前面做好的來源：松菸誠品使用官方公開時刻表，其他已支援影城使用開眼電影網的第三方資料。TMDB 的一般上映候選，也維持原本的用途。</p><p>整個查詢可以看成：</p><pre>使用者的位置或地標<br>        ↓<br>Google Maps 找附近影院<br>        ↓<br>核對既有分館 ID<br>        ↓<br>查該分館的實際場次<br>        ↓<br>回覆影院、距離、電影與來源</pre><p>對我來說，這次實作 map grounding 最重要的一點，是讓「附近在哪裡」和「那裡有什麼場次」，都能回到各自的資料來源核對。</p><h3>沿用同一個 ADK agent，新增附近影院工具</h3><p>電影夥伴原本就使用 Google ADK，也已經有影城清單、單館場次與多館比較等工具。</p><p>今天是在同一個 agent 裡新增 nearby_cinemas，讓原本的九個工具增加到十個。</p><p>這個工具透過 Google Maps Platform Places API (New) 查詢地點，再由程式處理分館配對與場次讀取。</p><p>如果我已經傳過 LINE 定位，再問附近三公里、今晚六點後的電影，這類需求可以整理成：</p><pre>{<br>  &quot;locationQuery&quot;: &quot;&quot;,<br>  &quot;radiusMeters&quot;: 3000,<br>  &quot;limit&quot;: 3,<br>  &quot;date&quot;: &quot;&quot;,<br>  &quot;afterTime&quot;: &quot;18:00&quot;,<br>  &quot;onlyUpcoming&quot;: true<br>}</pre><p>這裡的 locationQuery 留空，代表使用程式保存的 LINE 定位；date 留空，則由場次工具取得台灣今天的日期。</p><p>ADK 負責理解我想查的位置、範圍與時間，再呼叫工具。附近影院的名單、距離、分館對應與場次，仍由實際查詢結果決定。</p><p>這讓我可以延續原本的對話方式，把新的位置能力接進電影夥伴。</p><h3>LINE 定位與文字地標，走進工具的方式不同</h3><p>位置資訊有兩種常見的輸入方式，今天也分開處理。</p><p>直接傳送 LINE 定位時，webhook 會收到經緯度。程式先驗證座標，再把它綁定到目前使用者的查詢流程，交給地圖工具使用。</p><p>模型可填的工具參數裡，沒有經緯度欄位。這樣它只需要理解查詢意圖，座標就能沿用使用者實際分享的資料。</p><p>如果我用文字輸入：</p><blockquote><em>我在台北車站，附近三公里今晚六點後有哪些電影可以看？</em></blockquote><p>工具會先透過 Text Search 解析地標，再視結果繼續搜尋附近影院。</p><p>不過，真實查詢時，「台北車站」回傳了多個候選，包括不同的站點與地址。因此這次會列出候選，請我補充完整位置，或改用 LINE 定位。</p><p>這個測試讓我更清楚看到，能理解地名，還需要接上能確認地點的流程。當搜尋結果還不夠明確，對話就需要先把位置問清楚。</p><h3>真正接上地圖後，遇到的是分館名稱對不上</h3><p>附近搜尋成功後，下一個問題是：地圖上的影院名稱，未必和場次來源完全相同。</p><p>這次在台北車站周邊的真實查詢中，就遇到一個例子。</p><p>Google Maps 顯示的是：</p><blockquote><em>光點台北（台北之家）</em></blockquote><p>原本場次登錄資料裡則是：</p><blockquote><em>光點台北電影院</em></blockquote><p>我對照光點台北官網的地址，確認都是台北市中山區中山北路二段 18 號，再把這個地點的 Google Place ID 對應到既有分館 ID。</p><p>這樣後續查回同一個地點，就能接到正確的場次來源，也能和光點華山分開處理。</p><p>目前的配對方式，是先使用經過核對的 Place ID 對應；其餘地點則依精確名稱或別名、縣市與已有的行政區資料核對。遇到多個候選或無法確認的名稱，就保留未配對狀態。</p><p>這一段需要處理的細節，比我原先想的還多。兩份資料要接起來，除了電影名稱，也要先確認查的是同一間影院。</p><h3>地圖找得到的影院，可能還沒有可用的場次來源</h3><p>另一個實測結果，是 Google Maps 找到了「誠品南西深夜電影院」，但原本的場次工具沒有這個地點的可靠來源。</p><p>這時回覆會保留地址與地圖入口，並說明目前無法確認這裡上映的電影。</p><p>原本已支援的松菸誠品，仍然只對應它自己的分館資料。</p><p>這也延續了上一篇處理圖片時刻表的想法：工具除了回傳查到的內容，也要交代目前資料能支持哪些回答。</p><p>對已經配對的影院，程式會讀取電影、版本與場次；其中一館暫時無法取得資料時，其他館的成功結果仍然可以顯示。</p><p>目前一次最多自動查三館的場次，讓 LINE 回覆保持可讀。內容較長時會拆成多則訊息，保留各館的來源連結；需要更完整的片單，也能再指定影城或片名縮小查詢。</p><h3>距離、場次與定位期限，都需要說清楚</h3><p>附近影院的距離，目前是依座標計算的直線距離。這版沒有查詢步行、開車時間或即時交通，回覆中也會標明這項限制。</p><p>電影與時間則沿用既有工具的日期篩選，保留來源提供的不同版本，並排除今天已經開始的場次。列出場次後，仍需回到影城確認售票情況。</p><p>位置資料也加上了使用期限。</p><p>LINE 精確定位會在目前使用者的記憶體對話中保留最多 15 分鐘，到期後清除定位與該段對話。我也可以輸入：</p><blockquote><em>清除位置</em></blockquote><p>提前清除暫存位置，已經確認儲存的票根則會留下來。</p><p>原始 LINE 經緯度不會放入模型文字或票根；定位事件仍會經過 SQLite 的待處理佇列，處理完成後清空事件內容。文字輸入的地址與地標，則會和一般問題一起交由 Gemini 理解。</p><h3>把 bot 搬到雲端，讓 LINE 不必依賴電腦開著</h3><p>位置查詢接上後，我也想讓這次的功能可以直接在 LINE 持續使用。</p><p>前一版還依賴本機服務與開發用 HTTPS tunnel，需要保持電腦和程式執行。今天把服務搬到 Google Compute Engine，延續目前的 SQLite 票根與背景工作佇列。</p><p>這次的部署包含幾個部分：</p><ul><li>以持久磁碟保存票根與事件資料。</li><li>用 systemd 管理開機啟動與失敗重啟。</li><li>透過 Caddy 提供固定入口的 HTTPS，並管理憑證更新。</li><li>把 Gemini、LINE、TMDB 與 Maps 設定放在 Secret Manager。</li><li>將 Maps key 限制為只能由這台主機呼叫 Places API。</li><li>每日執行 SQLite 備份，保留最近七份。</li></ul><p>備份目前和主要資料位於同一磁碟，這一點也留在部署文件裡，方便之後繼續安排異地備份。</p><p>服務切換完成後，原本的 Zona Movie 帳號就會連到雲端 bot-03，不再需要本機 tunnel。</p><h3>切換服務時，也把原有票根一起帶過去</h3><p>部署新版本時，我也希望前面存下來的觀影紀錄能繼續使用。</p><p>這次切換先讓雲端暫存新收到的 webhook 事件，等待舊服務的既有事件處理完成，再以交易合併票根、草稿與事件紀錄，最後恢復新版的正常處理流程。</p><p>這樣搬移資料時，新收到的事件也能先保留在佇列裡。</p><p>原有的 1 筆票根，核對了 ID、使用者、完整內容與建立時間，雜湊結果一致。</p><p>完成後，LINE webhook 已切到新的 HTTPS 入口，官方驗證回傳 200 OK，Use webhook 也維持啟用。後續新的觀影紀錄，就以雲端資料庫為準。</p><h3>今天驗證到哪裡</h3><p>這次完成後，npm test 的回歸測試總數來到 75 項，全部通過，GitHub Actions 也通過。</p><p>新增測試涵蓋地圖請求、座標驗證、分館配對、日期與時間、來源失敗、定位期限、使用者隔離，以及長訊息保留來源等情況。</p><p>實際服務也做了幾層驗證：</p><p>驗證這次確認的內容真實 Google Maps 與場次來源京站威秀與光點台北可對應到分館並取得場次；無可靠來源的地點保留限制說明真實 Gemini／ADK能從定位或文字需求呼叫附近影院工具；多個地標候選時要求補充雲端 HTTPS 與 LINE健康檢查與官方 webhook 驗證為 200，未簽章請求為 401資料搬移原有票根內容核對一致，切換後保留在雲端資料庫</p><p>前期曾用替代地圖回應驗證工具流程，部署後也完成了真實 Maps 的測試。這兩種驗證分開記錄，方便確認每一步到底測到了什麼。</p><p>目前已完成程式、真實服務與 LINE 連線驗證；手機端實際傳送個人定位的畫面與截圖，留待後續操作紀錄。</p><h3>今天，電影夥伴開始能從我的位置找選擇</h3><p>上一篇，我可以先用品牌與縣市找影城，再指定分館查場次。</p><p>今天多了位置之後，查詢可以從「我在這裡」開始，一路接到附近影院與可核對的電影時間。</p><p>這次也讓我對 map grounding 有了更具體的理解：地點查詢要有來源，分館之間要能正確對應，找不到場次時要把限制說清楚，最後還要讓這些能力真的接回日常使用的 LINE。</p><p>對我來說，今天電影夥伴往前走的一步，就是讓我還沒決定去哪間影城時，也能先從所在的位置，慢慢找到下一場想看的電影。</p><h3>完整程式碼與參考資料</h3><ul><li><a href="https://github.com/zonawang/movie-companion-bot-03">今天的電影夥伴專案：movie-companion-bot-03</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-02/blob/main/medium-02.md">上一篇｜從兩間威秀到全台影城：讓 Google ADK 處理更多資料與查詢選擇</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-03/blob/main/src/agent.mjs">ADK agent 與附近影院工具</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-03/blob/main/src/nearby.mjs">地點配對與場次整合</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-03/blob/main/docs/map-grounding.md">Map grounding 設計與設定</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-03/blob/main/docs/verification-03.md">今天的驗證紀錄</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-03/blob/main/docs/deployment.md">雲端部署與資料保存</a></li><li><a href="https://developers.google.com/maps/documentation/places/web-service/overview">Google Maps Places API 文件</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e36c911f3fd6" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[從兩間威秀到全台影城：讓 Google ADK 處理更多資料與查詢選擇]]></title>
            <link>https://medium.com/@zonawang/%E5%BE%9E%E5%85%A9%E9%96%93%E5%A8%81%E7%A7%80%E5%88%B0%E5%85%A8%E5%8F%B0%E5%BD%B1%E5%9F%8E-%E8%AE%93-google-adk-%E8%99%95%E7%90%86%E6%9B%B4%E5%A4%9A%E8%B3%87%E6%96%99%E8%88%87%E6%9F%A5%E8%A9%A2%E9%81%B8%E6%93%87-2510b6debe0c?source=rss-03d2e4df503d------2</link>
            <guid isPermaLink="false">https://medium.com/p/2510b6debe0c</guid>
            <category><![CDATA[line-bot]]></category>
            <category><![CDATA[google-adk]]></category>
            <dc:creator><![CDATA[Zona Wang]]></dc:creator>
            <pubDate>Sat, 31 Oct 2026 02:53:22 GMT</pubDate>
            <atom:updated>2026-10-31T02:53:22.906Z</atom:updated>
            <content:encoded><![CDATA[<p>上一篇，我從信義與西門威秀開始，讓 Google ADK 電影夥伴可以理解指定分館的查詢，也能用一句話比較兩間影城的場次。</p><blockquote><a href="https://github.com/zonawang/movie-companion-bot-02/blob/main/medium.md">不只查誠品：讓 Google ADK 電影夥伴學會查不同影城</a></blockquote><p>接下來，我想把選擇再放大一點：</p><blockquote><em>如果我想找台中的秀泰、高雄的國賓，或澎湖的電影院，能不能也用同樣的方式問？</em></blockquote><p>這一篇接著整理今天的第二階段：從全台威秀，再擴充到跨品牌的影城清單。重點放在 Google ADK 如何把品牌、縣市與接續提問轉成工具條件，以及資料能力不同時，怎麼讓回覆有所依據。</p><h3>影城增加了，先讓 agent 能查到正確的選項</h3><p>擴充的第一步，是比對威秀官方據點目錄，核對 20 間威秀與同集團的 2 間 MUVIE，再逐館建立來源對應與驗證場次。</p><p>接著把其他品牌、地方戲院與放映場館一起納入。</p><p>截至今天，也就是 2026–10–26，這版依開眼電影網的 18 個分區目錄，登錄了 108 個不重複據點，按來源地址區分為 20 個縣市，包含澎湖與金門。</p><p>這份清單是目前來源收錄並經過檢查的範圍，並非全台完整營業名冊；之後新開、停業、改名或沒有被來源收錄的場所，仍需要更新與驗證。</p><p>資料增加後，我沒有把所有影城介紹都塞進提示詞，要求模型自己記住。這次延續既有工具，讓 agent 在需要時查詢分館登錄資料，取得當次符合條件的選項。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zmgWPkamBvLSTS6hYgmIrw.png" /></figure><h3>「台中有哪些秀泰？」讓 ADK 把條件帶進清單工具</h3><p>清單擴大後，我未必一開始就知道要去哪間分館，比較可能先問：</p><blockquote><em>台中有哪些秀泰？</em></blockquote><p>這句話需要的是找選項。因此 Google ADK 會使用 list_cinemas，把「秀泰」放進品牌條件，把「台中」放進地區條件，再由工具從登錄清單篩出符合的據點。</p><p>同樣的方式也能用在：</p><blockquote><em>高雄有哪些國賓？</em></blockquote><p>或是：</p><blockquote><em>新竹縣有哪些影城？</em></blockquote><p>這裡 ADK 幫忙的是把自然語言轉成可以執行的查詢條件；品牌與縣市到底對應哪些影城，仍由登錄資料決定。</p><p>程式也依地址區分縣市，例如新竹市和新竹縣要各自篩選，不能因為名稱都有「新竹」就混在一起。如果名稱有多個候選，就先列出選項，讓我指定分館。</p><p>這讓查詢可以從比較模糊的需求開始，再逐步縮小到真正想看的地方。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*w0SaHxfDCzMXF3GDI3OP4w.png" /></figure><h3>清單超過一百間，ADK 也需要知道「下一頁」是什麼</h3><p>當我直接問全台清單，一則 LINE 訊息已經不適合把所有名字一次列完。</p><p>這次讓 list_cinemas 加入分頁，每頁最多 25 個據點。工具結果除了名單，也會提供總數、目前頁碼、總頁數，以及是否還有下一頁。</p><p>我可以先說：</p><blockquote><em>全台有哪些影城？先列第一頁。</em></blockquote><p>接著只要再說：</p><blockquote><em>下一頁。</em></blockquote><p>同一段對話中，ADK 的 Runner 保留了前一輪對話與工具結果，模型就能依照那些資訊，沿用查詢條件並提出第二頁的工具呼叫。</p><p>例如，全台查詢的第二頁參數會是：</p><pre>{<br>  &quot;brand&quot;: &quot;&quot;,<br>  &quot;city&quot;: &quot;&quot;,<br>  &quot;page&quot;: 2<br>}</pre><p>模型負責理解「下一頁」是在延續剛才的需求；程式負責決定第二頁有哪些資料，以及到底還有沒有下一頁。</p><p>這次也用真實 Gemini／ADK 測試了第一頁接第二頁的流程，確認這種簡短的接續提問，真的會重新呼叫清單工具。</p><h3>有資料入口，和能自動查到場次，是兩種能力</h3><p>逐館檢查後，108 個據點的資料並沒有全部長成同一種樣子。</p><p>實際分成兩類：</p><p>來源能力數量這版提供的內容有可解析的日期與場次102 個電影、版本與時間清單只有圖片時刻表6 個原圖與網站入口，說明尚未自動擷取場次</p><p>目前誠品維持官方公開來源，其他影城使用開眼第三方資料；資料來源選擇的過程已放在上一篇。這一階段需要補上的，是讓工具清楚回傳每種資料能提供到什麼程度。</p><p>例如，府中15、國家電影及視聽文化中心等場館，來源頁面放的是一整張時刻表圖片，沒有可直接解析的日期與時間欄位。</p><p>如果只把「沒有抓到場次」當成空清單，回覆就容易讓人誤以為當天沒有電影。</p><p>因此這版先辨識圖片來源，再回傳 links_only，附上原圖與影城網站。不從圖片檔名裡的月份，或頁面上的更新時間，猜測電影是哪一天放映。</p><h3>讓 ADK 讀到工具狀態，知道這次查詢能回答到哪裡</h3><p>這次也讓我更在意工具結果裡的「狀態」。</p><p>工具狀態代表的情況ok取得符合查詢條件的場次links_only來源只有圖片入口，尚未自動擷取場次unavailable來源暫時無法讀取或格式無法辨識</p><p>這些資訊會隨工具結果交回 ADK 的對話流程，讓模型知道目前有什麼資料、有哪些限制。任務說明也交代：遇到圖片入口或來源失敗時，要如實說明，不能用自己的電影知識補上時間。</p><p>最後的場次與入口資訊，仍由程式固定格式輸出，保留來源與讀取時間。</p><p>這裡我學到的是，設計 FunctionTool 時，除了參數要說清楚，回傳結果也要讓 agent 分得出「查到了」「只能提供入口」與「這次讀不到」。這樣遇到不完整資料時，對話才能停在有依據的位置。</p><h3>延續原本的比較工具，組合不同品牌與城市</h3><p>清單與篩選完成後，原本的比較工具也可以用在更大的範圍：</p><blockquote><em>比較台中文心秀泰、台北長春國賓與澎湖 in89，今天晚上六點後的場次。</em></blockquote><p>這次真實模型測試中，Google ADK 選用了 cinema_compare，把不同品牌與城市的分館條件帶進工具，查回三間影城各自的結果。</p><p>對我來說，這個例子很好地說明了今天擴充的價值：資料來源的對應補齊之後，agent 就能沿用既有工具，處理更多看電影的選擇。</p><p>目前一次比較 2～3 間分館，讓 LINE 回覆保持可讀。如果想找的範圍還很大，就先用品牌與縣市找到選項，再指定要比較的影城。</p><h3>用逐館驗證，確認新增的清單真的能用</h3><p>資料筆數增加，也需要跟著增加檢查。</p><p>今天擴充完成後，npm test 的回歸測試總數來到 50 項，全部通過，涵蓋品牌與縣市篩選、清單分頁、同名分館、LINE 訊息長度、圖片來源，以及原有的電影與票根功能。</p><p>另外也做了兩種真實驗證：</p><ul><li>逐館讀取：使用 bot 實際執行的程式檢查 108 個據點，取得 102 個可解析場次結果與 6 個圖片入口。圖片入口獨立計算，沒有算成已解析場次。</li><li>真實 Gemini／ADK：驗證清單翻頁、高雄國賓篩選、跨品牌與外島場次比較，以及府中15圖片入口。</li></ul><p>模型測試使用記憶體資料庫，不傳送 LINE 訊息，也不寫入正式票根。</p><p>完成後，再更新 LINE 使用的本機服務。更新前先備份 SQLite，更新後確認原有票根完整保留，LINE 官方 webhook 驗證也回傳 200 OK。</p><p>目前仍依賴本機服務與開發用 HTTPS tunnel。新增功能在手機上實際收到的回覆與截圖，則留待後續操作確認，和程式、模型及連線驗證分開記錄。</p><h3>這次擴充，讓我更理解工具結果的重要性</h3><p>前一階段讓 agent 能選擇查詢工具；這一階段，我更在意的是工具回傳了什麼資訊，能不能支持下一輪對話。</p><p>有了品牌與縣市條件，我可以先找選項；有了頁碼與是否還有下一頁，就能接著說「下一頁」；有了資料狀態，查到圖片入口時也能把限制說清楚。</p><p>對我來說，Google ADK 在這次實作裡幫忙完成的，是把這些分開的查詢能力接成可以持續對話的流程。當資料範圍擴大，使用者仍然可以用簡單的句子，一步一步找到想看的影城與場次。</p><h3>完整程式碼與參考資料</h3><ul><li><a href="https://github.com/zonawang/movie-companion-bot-02">電影夥伴專案：movie-companion-bot-02</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-02/blob/main/medium.md">上一篇｜不只查誠品：讓 Google ADK 電影夥伴學會查不同影城</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-02/blob/main/src/cinema-registry.mjs">清單篩選、別名與分頁</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-02/blob/main/docs/taiwan-coverage.md">108 個據點的資料來源與能力明細</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-02/blob/main/docs/verification.md">今天的驗證紀錄</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=2510b6debe0c" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[不只查誠品：讓 Google ADK 電影夥伴學會查不同影城]]></title>
            <link>https://medium.com/@zonawang/%E4%B8%8D%E5%8F%AA%E6%9F%A5%E8%AA%A0%E5%93%81-%E8%AE%93-google-adk-%E9%9B%BB%E5%BD%B1%E5%A4%A5%E4%BC%B4%E5%AD%B8%E6%9C%83%E6%9F%A5%E4%B8%8D%E5%90%8C%E5%BD%B1%E5%9F%8E-7d97ef65050c?source=rss-03d2e4df503d------2</link>
            <guid isPermaLink="false">https://medium.com/p/7d97ef65050c</guid>
            <category><![CDATA[line-bot]]></category>
            <category><![CDATA[google-adk]]></category>
            <dc:creator><![CDATA[Zona Wang]]></dc:creator>
            <pubDate>Fri, 30 Oct 2026 10:54:12 GMT</pubDate>
            <atom:updated>2026-10-30T10:54:12.386Z</atom:updated>
            <content:encoded><![CDATA[<p><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/medium-03.md">上一篇</a>，我替電影夥伴補上了觀影票根收藏夾：讓 Google ADK 從聊天裡整理觀影資訊，先產生草稿，再由我在 LINE 按下確認，才寫進 SQLite。</p><p>加上前面完成的電影簡介與松菸誠品時刻表，這個 bot 已經可以陪我查電影、找場次，並留下自己的觀影紀錄。</p><p>接下來，我想讓它多認識幾間電影院。</p><blockquote><em>如果今天想去信義威秀，或是西門威秀，能不能也直接問電影夥伴？</em></blockquote><p>這一篇先從這兩間分館開始，整理 Google ADK 如何理解不同的查詢需求、選擇工具，再把指定影城的資料查回來。今天的程式延續前一版，放在新的 <a href="https://github.com/zonawang/movie-companion-bot-02">movie-companion-bot-02</a>。</p><h3>一句「查威秀」，還少了哪個資訊？</h3><p>只有松菸誠品時，影城名稱幾乎可以直接對應到一個資料來源。加進威秀後，就需要先分清楚品牌和分館。</p><p>「威秀」是一個品牌，「信義威秀」「西門威秀」才是實際要查的據點。同一部電影在兩間影城，可能有不同的放映時間與版本。</p><p>所以這次先建立分館登錄資料，分開保存每間影城的 ID、品牌、名稱、別名、時刻表來源與核對入口。模型提出查詢後，程式才能把名稱對應到正確的資料來源。</p><p>如果我只說「查威秀」，還沒有指定分館，agent 就需要先找出選項，請我選一間；當我明確說「信義威秀」，才繼續查它的場次。</p><p>這也是這次想讓 Google ADK 幫忙處理的第一件事：根據我已經提供的資訊，決定現在應該先找分館，還是直接查場次。</p><h3>把三種需求，整理成 agent 可以使用的工具</h3><p>這次繼續使用原本的 LlmAgent，把影城查詢整理成三種工具情境：</p><p>我在問什麼agent 使用的工具有哪些分館可以查？list_cinemas這間影城有哪些電影與時間？cinema_schedule幫我比較這幾間影城cinema_compare</p><p>這些工具透過 Google ADK 的 FunctionTool 提供給 agent。每個工具都有用途說明與參數定義，讓模型知道什麼需求適合交給它、需要提供哪些資訊。</p><p>以單館查詢來說，我可以問：</p><blockquote><em>信義威秀今晚六點後有哪些電影？</em></blockquote><p>模型需要從句子裡理解分館、日期與時間條件，提出 cinema_schedule 的工具呼叫。接著由 ADK Runner 執行對應的工具函式，再把工具結果帶回對話流程。</p><p>因此，我不必先記住查詢指令的格式，可以直接使用平常說話的方式。</p><p>這一段 Google ADK 幫忙接起來的，就是 「自然語言需求 → 選擇工具與整理參數 → 執行工具並取得結果」 的流程。</p><h3>「今晚六點後」，模型與程式各自做什麼？</h3><p>能理解這句話之後，還需要確保時間查得正確。</p><p>模型負責辨認「信義威秀」「今晚」「六點後」這些條件，放進工具的分館、日期與 afterTime 等參數。今天的日期與目前時間，則由程式依台灣時區處理；工具也會驗證日期和時間格式，再篩選來源中的場次。</p><p>最後顯示的場次清單，同樣由程式固定格式輸出。</p><p>這個分工讓我比較放心：我可以用自然語言描述需求，而電影幾點開演，仍然要有實際的資料可以核對。</p><p>電影版本也沿用同樣的原則。來源有標示國語、日語或 4DX，就分開保留；來源沒有提供，就顯示「來源未標示版本」，不自行補上一個看起來合理的規格。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*60ILXiBvHSnewyqk-9InMw.png" /></figure><h3>真正遇到的問題：官網看得到，程式卻收到 403</h3><p>工具流程確定後，接下來要讓它真的讀到威秀資料。</p><p>確認來源時，我透過瀏覽工具看得到威秀官方分館頁面，也能看到場次內容。但使用 curl 和標準 Node.js HTTPS client 直接讀取，都收到 HTTP 403 Access Denied。</p><p>這裡讓我先釐清了一件事：</p><blockquote><em>我能在瀏覽工具看到時刻表，不等於 bot 執行時也能順利取得同一份內容。</em></blockquote><p>後來改用可以公開讀取的開眼電影網分館時刻表，完成信義與西門的來源對應，並在回覆中保留資料來源、讀取時間與威秀官方核對入口。松菸誠品則維持原本的官方公開來源。</p><p>因此，這次威秀場次使用的是第三方資料，沒有完成威秀官方 API 的串接。實際場次與售票狀況仍以影城為準。</p><p>這個問題也讓我更清楚看到：Google ADK 可以執行我提供的工具，但工具能不能取得資料，仍然需要實際連線、處理與驗證。資料來源的工作，也要一起完成。</p><h3>同一句話，請 ADK 幫我比較兩間影城</h3><p>兩間分館都能查詢後，接下來就可以把需求放在同一句話裡：</p><blockquote><em>比較信義威秀和西門威秀，今晚六點後《片名》的場次。</em></blockquote><p>這時模型可以選擇 cinema_compare，把兩間分館、日期、時間與片名條件一起帶入，再由工具分別查詢。</p><p>這次也調整了回覆處理：同一輪查到的結果要一起保留，不能讓後查的那間影城蓋掉前一間。</p><p>兩間的片名、版本、時間與來源會分開列出，方便我判斷要去哪裡看。就算其中一間暫時無法讀取，另一間成功查回的結果也能保留下來。</p><p>影城數量增加了，但這條流程仍然在同一個 agent 裡完成。透過工具說明，模型就能區分「查單館」和「比較幾間」的需求，再把查詢交給對應的函式。</p><h3>這一階段，ADK 幫我完成了什麼？</h3><p>回頭看信義與西門這一步，Google ADK 主要幫我接起了三件事：</p><ul><li>判斷查詢意圖：我是在找分館、查一間影城，還是比較兩間。</li><li>整理工具參數：把口語裡的分館、日期、時間與片名條件帶進工具。</li><li>執行工具流程：由 Runner 呼叫 FunctionTool，取得資料，再接回對話。</li></ul><p>分館對應、網頁解析、日期驗證與場次輸出，則由程式規則處理。這次也用真實 Gemini／ADK 跑過分館清單、兩館比較與接續查詢明日場次的流程，確認工具能被實際選用。</p><p>對我來說，電影夥伴在這一步多了更貼近日常的能力：我可以告訴它想去哪間影城，也可以把兩個選項放在一起問，讓它替我把查詢接起來。</p><p>做到這裡，很自然就會想繼續往下問：如果要查其他城市、其他品牌，這套工具能不能繼續沿用？</p><p>下一篇，會接著整理擴充到全台影城時，Google ADK 如何搭配更大的分館清單，處理篩選、翻頁與不同的資料狀態。</p><h3>完整程式碼與參考資料</h3><ul><li><a href="https://github.com/zonawang/movie-companion-bot-02">電影夥伴專案：movie-companion-bot-02</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/medium-03.md">上一篇｜用 Google ADK 整理觀影票根草稿，確認過才寫入 SQLite</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-02/blob/main/src/agent.mjs">Google ADK agent 與工具定義</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-02/blob/main/src/cinema.mjs">分館查詢與比較結果處理</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-02/blob/main/src/atmovies.mjs">開眼時刻表解析</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7d97ef65050c" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[不只是查電影：用 Google ADK 整理觀影票根草稿，確認過才寫入 SQLite]]></title>
            <link>https://medium.com/@zonawang/%E4%B8%8D%E5%8F%AA%E6%98%AF%E6%9F%A5%E9%9B%BB%E5%BD%B1-%E7%94%A8-google-adk-%E6%95%B4%E7%90%86%E8%A7%80%E5%BD%B1%E7%A5%A8%E6%A0%B9%E8%8D%89%E7%A8%BF-%E7%A2%BA%E8%AA%8D%E9%81%8E%E6%89%8D%E5%AF%AB%E5%85%A5-sqlite-b2efa5c65ccb?source=rss-03d2e4df503d------2</link>
            <guid isPermaLink="false">https://medium.com/p/b2efa5c65ccb</guid>
            <category><![CDATA[google-adk]]></category>
            <category><![CDATA[line-bot]]></category>
            <dc:creator><![CDATA[Zona Wang]]></dc:creator>
            <pubDate>Fri, 30 Oct 2026 10:49:06 GMT</pubDate>
            <atom:updated>2026-10-30T10:49:06.975Z</atom:updated>
            <content:encoded><![CDATA[<p>在前兩篇，我用 Google ADK 做出了電影夥伴的兩個查詢能力：<a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/medium.md">第一篇</a>串接 TMDB 查電影簡介與評論連結，<a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/medium-02.md">第二篇</a>則接上松菸誠品官方時刻表，解決「今晚誠品放什麼」的場次問題。</p><p>這兩個功能照顧的是「出發看電影以前」的需求。但對我來說，看電影還有後半段：</p><blockquote><em>走出電影院之後，除了片名，我還想記得那天是跟誰一起去、在哪間戲院看，以及剛看完時留下的那句心得。</em></blockquote><p>這一篇想整理電影夥伴的第三個核心功能：用 Google ADK 整理觀影票根草稿，搭配 LINE 確認按鈕與 SQLite，做出屬於自己的票根收藏夾。</p><h3>「查資料」與「存紀錄」差在哪裡？</h3><p>前面做的電影簡介和誠品場次，本質上都是「唯讀查詢」。如果模型不小心聽錯片名或查錯日期，我頂多再問一次，不會改變系統裡的任何資料。</p><p>但「把觀影心得存進資料庫」就不一樣了。</p><p>如果我只是隨口聊到一部片，或是模型把日期、同伴聽錯了，就直接呼叫工具寫進資料庫，我的個人票根收藏很快就會混進錯誤的紀錄。</p><p>因此，在把票根功能放進 Google ADK 時，我最想先劃清楚的邊界是：</p><blockquote><em>自然語言的理解與欄位整理，可以交給 Google ADK 與模型；但「要不要存進去」以及「能不能寫入資料庫」，必須由使用者確認、由程式規則把關。</em></blockquote><h3>不給 Google ADK「直接存檔」的工具，而是先建草稿</h3><p>第一版的票根收藏夾先收錄五個最核心的文字欄位：片名、觀影日期、影院、同行的人，以及自己的原始心得。未來的海報收藏牆或照片票根，留到後續階段再擴充。</p><p>為了確保模型不會跳過我直接存檔，我們在定義 Google ADK 的 LlmAgent 時，做了一個很關鍵的架構選擇：刻意不提供任何「直接寫入正式票根表」的 FunctionTool。</p><p>在票根這條路上，Google ADK 的 agent 手上只有兩個工具：</p><ul><li>prepare_ticket：整理觀影資訊，建立一張 10 分鐘有效的「待確認草稿」。</li><li>list_tickets：從已經確認儲存的票根裡，查詢屬於自己的觀影紀錄。</li></ul><p>換句話說，就算模型再想幫我存檔，它最多也只能呼叫 prepare_ticket 產生草稿，並在回覆裡提醒我檢查下方的草稿內容、點按確認按鈕才會正式存入。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*q54Uko3kO_r1yFZU.png" /></figure><p>圖 1｜Google ADK 的 prepare_ticket 工具只負責建立待確認草稿；使用者在 LINE 按下確認後，才由應用程式檢查身分與期限並寫入 SQLite。這次採用 LINE 的確認流程，沒有使用 ADK 內建的工具確認機制。</p><h3>第一步：讓 Google ADK 從一句話裡抽取出票根草稿</h3><p>平常在 LINE 記事情，我不會按照表格一欄一欄填，比較常直接打出一句話：</p><blockquote><em>我 2026–10–25 跟小安看了月台上的貓，心得是配樂很好聽。</em></blockquote><p>這句話進到 Google ADK 後，LlmAgent 會根據 prepare_ticket 的參數說明，把句子拆成對應的欄位：</p><ul><li>片名（movieTitle）：月台上的貓</li><li>觀影日期（watchedOn）：2026-10-25</li><li>同行的人（companions）：小安</li><li>原始心得（note）：配樂很好聽</li></ul><p>如果我少說了必要資訊（例如只說「我跟小安去看了全面啟動」，沒提到是哪一天看的），我們在 LlmAgent 的任務說明裡規定：缺少片名或日期時，不能自己猜測，要先開口向使用者追問。</p><p>等到必要欄位齊全、Google ADK 執行 prepare_ticket 後，程式會在 SQLite 的 drafts 資料表建立一筆狀態為 pending 的草稿，接著在 LINE 顯示整理好的草稿內容，以及「確認儲存票根」與「取消」兩個按鈕。</p><h3>第二步：留住當下的原話，不讓模型改寫我的心得</h3><p>做票根紀錄時，有一件事我特別在意：我希望幾個月後回頭看，讀到的還是離開電影院時自己寫下的那句原話，而不是被 AI 潤飾過的摘要。</p><p>但語言模型天生很習慣幫人改寫句子。如果只在提示詞（instruction）裡寫一句「請逐字引用使用者心得」，有時模型還是可能順手多加兩個字或改掉標點。</p><p>所以我們把這條規則同時寫進了 Google ADK 工具背後的程式裡。</p><p>每當使用者傳訊息進來，對話 session 會保留這一輪使用者親手輸入的原始文字。當 Google ADK 呼叫 prepare_ticket 時，程式會直接比對：模型傳進來的 note 欄位，必須逐字出現在使用者的原始訊息裡。</p><p>如果模型自己改寫了句子，比對就會失敗，工具會退回這次呼叫並要求重新處理。透過「提示詞交代」加上「程式層逐字檢查」，就能確保每一張票根上的心得都是百分之百的原句。</p><h3>第三步：按下 LINE 確認按鈕，在 SQLite 交易中完成寫入</h3><p>當我看過 LINE 上的草稿預覽、按下「確認儲存票根」時，LINE 會送出一個 postback 事件到 webhook。</p><p>這一步完全不需要再呼叫模型，而是由應用程式直接在 SQLite 的交易（Transaction）裡做三項安全檢查：</p><ol><li>檢查擁有者：這張草稿是不是目前按下按鈕的這位 LINE 使用者建立的？</li><li>檢查狀態：這張草稿是不是還處於未處理（pending）狀態？</li><li>檢查有效期限：距離建立草稿是不是還在 10 分鐘以內？</li></ol><p>三項檢查都通過後，程式才會把草稿內容寫入正式的 tickets 資料表，並把草稿狀態改為 saved。</p><p>因為整個檢查與寫入包在同一個資料庫交易裡，就算不小心在手機上連點兩次「確認儲存票根」，第二次點擊時草稿狀態已經改變，不會重複存出第二張票根；如果發現內容有錯按下「取消」，草稿就會標為 cancelled，正式票根表裡不會留下任何紀錄。</p><h3>第四步：用 list_tickets 找回自己的觀影回憶</h3><p>票根存進 SQLite 後，查詢也變得很有日常感。</p><p>之後我在 LINE 裡問：</p><blockquote><em>我跟小安看過哪些電影？</em></blockquote><p>或者輸入片名、日期、心得裡的關鍵字，Google ADK 的 LlmAgent 就會判斷這是在查個人紀錄，自動呼叫 list_tickets 工具，從 SQLite 撈出符合條件的票根回覆給我。</p><p>這裡也讓我更清楚看見 對話暫存（Session） 與 永久資料（Database） 在 Google ADK 應用裡的分工：</p><ul><li>InMemoryRunner 的記憶體 Session：負責記住「現在這幾輪對話聊到哪裡」，方便追問；閒置 30 分鐘或服務重啟後就會清除。</li><li>SQLite 票根資料庫：負責永久保存「我確認過的觀影回憶」，並且依每位 LINE 使用者的 ID 嚴格隔離。就算重啟 server，或是把電影資料從示範模式切換到 TMDB 真實模式，之前存下的票根依然完整保留。</li></ul><h3>三篇走完，回頭看 Google ADK 在電影夥伴裡的角色</h3><p>加上票根草稿與確認流程後，整個電影夥伴第一版共有 24 項自動化測試（npm test），涵蓋了 Google ADK Runner 與 7 個工具的呼叫流程、誠品時刻表解析与快取、票根確認前不存檔、取消不新增、10 分鐘過期、重複點擊去重、逐字心得檢查，以及跨使用者的資料隔離。</p><p>回頭看這三篇從零建立「電影夥伴」的過程，每一步都讓我對 Google ADK 有更具體的認識：</p><ul><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/medium.md">第一篇（查電影簡介與評論）</a>：透過 LlmAgent、FunctionTool 與 InMemoryRunner，把 LINE、Gemini 與外部 TMDB API 接成第一個查資料的小循環。</li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/medium-02.md">第二篇（查松菸誠品場次）</a>：在同一個 agent 裡掛上不同性質的資料來源，讓模型理解「今晚六點後」，讓程式處理日期推算、403 讀取與精確時間清單，並用 InMemoryRunner 跨工具接力追問。</li><li>第三篇（存下個人觀影票根）：把 Google ADK 的強項留在「理解自然語言、整理草稿與查詢回憶」，而把「逐字心得驗證、按鈕確認與寫入 SQLite」留在明確的程式規則裡。</li></ul><p>對我來說，學會用 Google ADK 並不只是把所有事情都交給 AI 做，而是更清楚知道：哪一步適合讓 agent 幫我理解與調度，哪一步應該留給程式與自己做最後確認。</p><h3>完整程式碼與參考資料</h3><ul><li><a href="https://github.com/zonawang/movie-companion-bot-01">電影夥伴專案 Repo</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/medium.md">第一篇｜從咖啡 Bot 到電影夥伴：用 Google ADK 做出第一個查電影功能</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/medium-02.md">第二篇｜今晚誠品放什麼？替 Google ADK 電影夥伴接上松菸誠品時刻表</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/src/agent.mjs">Google ADK agent 與 7 個工具定義（src/agent.mjs）</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/src/store.mjs">SQLite 票根草稿、逐字心得檢查與確認交易（src/store.mjs）</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/src/line.mjs">LINE 訊息與確認按鈕處理（src/line.mjs）</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/docs/verification.md">第一版驗證紀錄（docs/verification.md）</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b2efa5c65ccb" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[今晚誠品放什麼？替 Google ADK 電影夥伴接上松菸誠品時刻表]]></title>
            <link>https://medium.com/@zonawang/%E4%BB%8A%E6%99%9A%E8%AA%A0%E5%93%81%E6%94%BE%E4%BB%80%E9%BA%BC-%E6%9B%BF-google-adk-%E9%9B%BB%E5%BD%B1%E5%A4%A5%E4%BC%B4%E6%8E%A5%E4%B8%8A%E6%9D%BE%E8%8F%B8%E8%AA%A0%E5%93%81%E6%99%82%E5%88%BB%E8%A1%A8-29533cdc127e?source=rss-03d2e4df503d------2</link>
            <guid isPermaLink="false">https://medium.com/p/29533cdc127e</guid>
            <category><![CDATA[google-adk]]></category>
            <category><![CDATA[line-bot]]></category>
            <dc:creator><![CDATA[Zona Wang]]></dc:creator>
            <pubDate>Tue, 27 Oct 2026 14:39:31 GMT</pubDate>
            <atom:updated>2026-10-27T14:44:50.656Z</atom:updated>
            <content:encoded><![CDATA[<p>在上一篇，我建立了新的 LINE Bot「電影夥伴」，透過 Google ADK 串起電影查詢工具，讓 Bot 能用 TMDB 真實資料回答電影簡介與評論連結。</p><p><a href="https://medium.com/@zonawang/%E5%BE%9E%E5%92%96%E5%95%A1-bot-%E5%88%B0%E9%9B%BB%E5%BD%B1%E5%A4%A5%E4%BC%B4-%E7%94%A8-google-adk-%E5%81%9A%E5%87%BA%E7%AC%AC%E4%B8%80%E5%80%8B%E6%9F%A5%E9%9B%BB%E5%BD%B1%E5%8A%9F%E8%83%BD-dd48e5f89979"><em>從咖啡 Bot 到電影夥伴：用 Google ADK 做出第一個查電影功能</em></a></p><p>查得到電影簡介後，我想把問題問得更貼近自己出門看電影的習慣：</p><blockquote><em>如果今晚想去松菸誠品看電影，六點以後有哪些片和場次？</em></blockquote><p>這一篇接著整理我們如何在同一個 Google ADK agent 上，擴充第一個指定影城工具：松菸誠品場次查詢（cinema_schedule），並讓它和原本的電影簡介工具在同一個對話裡接力合作。</p><h3>發現「有上映」和「這間影城有放」是兩個不同的問題</h3><p>一開始接好 TMDB 的上映候選清單（now_playing）時，可以查到台灣近期上映的電影。</p><p>但當我實際想出門看電影時，才發現一般的上映清單回答不了「松菸誠品今天放什麼」。</p><p>一部電影已經在台灣上映，不代表松菸誠品有排片；同一部片在哪一天、幾點放映，更需要影城自己的時刻表。反過來說，誠品的時刻表有場次時間，卻不一定有簡短、不劇透的電影背景介紹。</p><p>這正是 Google ADK 讓我覺得很順手的地方：不需要寫一堆條件判斷去切分路由，同一個 Google ADK LlmAgent 可以同時掛載多個不同來源的 FunctionTool，由模型根據問題自動挑選工具，再由 ADK 負責執行。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Vyi_TlUnk2RNQOPV.png" /><figcaption>同一個 Google ADK agent 搭配不同資料來源的工具：TMDB 提供一般電影背景與評論連結，誠品官方時刻表提供該影城的指定日期與場次，個人觀影回憶則存在自己的 SQLite 票根資料庫。</figcaption></figure><h3>問一句「今晚誠品放什麼」，Google ADK 與程式怎麼分工？</h3><p>為了回答松菸誠品的場次，我們在 Google ADK 的工具列表裡新增了 cinema_schedule，背後讀取<a href="https://meet.eslite.com/tw/tc/gallery/movieschedule/201803020001">誠品電影院官方時刻表</a>。</p><p>當我在 LINE 問「今晚松菸誠品有哪些電影和場次？」或「10 月 28 日誠品晚上六點後有什麼片？」，這條流程把「語意理解」和「時間計算」切得很開：</p><p>Google ADK 與模型負責理解問題。</p><p>模型會從自然語言對話裡讀出四個條件：影城名稱（cinema）、日期（date）、想篩選的起始時間（afterTime，例如晚上從 18:00 起），以及是不是只看今天還沒開演的場次（onlyUpcoming），再由 Google ADK 帶入這些參數執行工具。</p><p>如果我只說「今天」或「今晚」，模型會依任務說明傳入空字串，交給程式直接取台灣時間的今天，避免模型自己算錯日期。</p><p>工具背後的程式則負責解析日期與比較時間。</p><p>誠品官網上的場次日期只寫了「10/25 (日)」，沒有直接標出年份。程式會先讀取頁面上的「最後更新時間」當基準，推算正確年份與跨年邊界，再用台灣時間篩選符合條件的場次。</p><p>更重要的是，單純查場次時，最後回傳給 LINE 的時間清單是由程式直接依官方資料組成的，不交給模型重新改寫。</p><p>這樣可以避免模型在整理文字時不小心漏掉場次或改錯時間，而且每一則回覆都會附上官方更新時間、實際讀取時間與<a href="https://arthouse.eslite.com/visAgreement.aspx">官方訂票入口</a>。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ifsYfFfOcR9ofres.png" /><figcaption>本次真實 Google ADK 測試的場次查詢整理，非 LINE 截圖。圖中的片名與時間是 2026–10–25 17:35 的讀取節錄，不代表現在的即時場次。</figcaption></figure><h3>把「還沒公告」、「這時段沒場次」與「不支援的影城」分清楚</h3><p>查影城場次時，有幾種「查不到結果」的情況其實代表完全不同的意思。我們在工具回傳狀態與 Google ADK 的任務說明裡，把它們分開處理：</p><p>第一種是「尚未查到這天的公告」。</p><p>影城通常只公布近期幾天的排片。如果問到比較後面的日期，官網還沒有那一天的區塊，Bot 會明確說明「尚未查到這天的場次公告，不能判定當天沒有電影」。</p><p>第二種是「這個時段沒有場次」。</p><p>如果當天已經有排片公告，但篩選「晚上八點以後」沒有符合的場次，Bot 會說明「目前公告中沒有符合這個時間條件的場次」，而不會推論成電影停映或票已經賣完。</p><p>第三種是「問到目前不支援的影城」。</p><p>目前場次解析先支援松菸誠品電影院。如果在 LINE 問了其他影城，Google ADK 的 agent 不會拿一般上映清單去冒充，而是改呼叫另一個 showtime_links 工具，提供官方查詢入口並說明限制，絕不自己猜測時間、票價或剩餘座位。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2RSKkqeAAKu99tvh9f9jng.png" /></figure><h3>讀官網成功以前，先遇到一次 403</h3><p>剛把誠品時刻表接進 Google ADK 工具做第一次真實測試時，馬上遇到一個意外：用 Node 內建的 fetch 讀取官網公開頁面時，收到了 HTTP 403，拿不到任何場次資料。</p><p>對照測試後發現，同一個公開網址不需要任何登入資訊、瀏覽器 cookie 或驗證挑戰，只要改用 Node 標準的 node:https 發出一般請求，就能正常回傳 200 OK，並解析出當時頁面上的 21 個電影區塊。</p><p>為了對官方網站保持友善並兼顧穩定度，我們也在讀取層加上了幾道保護：</p><ul><li>5 分鐘共享快取：五分鐘內的多則查詢共用同一份解析結果，避免每收到一則 LINE 訊息就重新抓取官網。</li><li>併發請求合併：如果同一時間有多則詢問進來，只會發起一次連線，並遵守 robots.txt 的讀取間隔。</li><li>格式變更安全退場：如果未來官網暫時無法連線，或網頁結構改變導致解析失敗，Bot 不會拿過期的舊快取冒充現在場次，而是直接說明無法讀取並附上官方入口。</li></ul><h3>用 Google ADK 的 InMemoryRunner，從「查場次」接力追問「電影在講什麼」</h3><p>當 cinema_schedule 跑通後，最讓我感受到 Google ADK 價值的是跨工具的多輪接力。</p><p>在真實 Google ADK 整合測試（npm run smoke:cinema）與手機實測中，我先問：</p><blockquote><em>今晚松菸誠品有哪些電影和場次？</em></blockquote><p>Google ADK 先呼叫 cinema_schedule，篩出晚上六點後的《社群清算》（19:20）、《進擊的鼓手（特別場）》（19:30）等 6 部電影。</p><p>看到片單後，不用離開對話，我接著追問一句：</p><blockquote><em>《進擊的鼓手》在講什麼？</em></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*KyTHt0_XLKRfvtrNGHkBFA.png" /></figure><p>因為 Google ADK 的 InMemoryRunner 保有同一個對話 session 的上下文，agent 知道我問的是剛才片單裡的電影，也判斷出這次需要的是「電影簡介」而非「影城排片」，於是自動切換呼叫上一篇做好的 search_movies 工具，從 TMDB 把電影簡介（ID 244786）帶回來整理成兩句不劇透的介紹。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ybkzVR71TZI5kvAm.png" /><figcaption>依真實 Google ADK 整合測試紀錄整理：第一輪先由 cinema_schedule 查誠品晚間場次，第二輪追問片名時，由 InMemoryRunner 延續對話並自動接力呼叫 search_movies 查 TMDB 簡介。</figcaption></figure><h3>出發前找得到場次了，那看完電影以後呢？</h3><p>從第一篇的「查一部電影在講什麼」，到這一篇的「查今晚松菸誠品放什麼，再接著問片名介紹」，我看見 Google ADK 如何把不同資料來源的工具串在同一個自然對話裡：</p><blockquote><em>讓模型負責理解「今晚、六點以後、這部片在講什麼」，讓 Google ADK 決定每一輪該呼叫哪個工具，而把日期推算、時間比較與場次清單交給明確的程式規則。</em></blockquote><p>解決了「出發看電影以前」的問題後，下一個想接住的時刻，是走出電影院之後：</p><blockquote><em>看完電影後，能不能順手在 LINE 記下今天跟誰一起看、離開戲院時的那句心得，存成自己的票根收藏？</em></blockquote><p>寫入個人資料庫和查詢公開資料不同，還多了一層「不能讓 AI 沒經過我確認就自己存檔」的邊界。我把這段實作整理在下一篇, 下次見：）</p><h3>完整程式碼與參考資料</h3><ul><li><a href="https://github.com/zonawang/movie-companion-bot-01">電影夥伴專案 Repo</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/medium.md">第一篇｜從咖啡 Bot 到電影夥伴：用 Google ADK 做出第一個查電影功能</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/docs/cinema-eslite.md">松菸誠品影城工具說明（docs/cinema-eslite.md）</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/src/cinema.mjs">誠品時刻表解析與快取（src/cinema.mjs）</a></li><li><a href="https://meet.eslite.com/tw/tc/gallery/movieschedule/201803020001">誠品電影院官方時刻表</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=29533cdc127e" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[從咖啡 Bot 到電影夥伴：用 Google ADK 做出第一個查電影功能]]></title>
            <link>https://medium.com/@zonawang/%E5%BE%9E%E5%92%96%E5%95%A1-bot-%E5%88%B0%E9%9B%BB%E5%BD%B1%E5%A4%A5%E4%BC%B4-%E7%94%A8-google-adk-%E5%81%9A%E5%87%BA%E7%AC%AC%E4%B8%80%E5%80%8B%E6%9F%A5%E9%9B%BB%E5%BD%B1%E5%8A%9F%E8%83%BD-dd48e5f89979?source=rss-03d2e4df503d------2</link>
            <guid isPermaLink="false">https://medium.com/p/dd48e5f89979</guid>
            <category><![CDATA[google-adk]]></category>
            <category><![CDATA[line-bot]]></category>
            <dc:creator><![CDATA[Zona Wang]]></dc:creator>
            <pubDate>Mon, 26 Oct 2026 08:06:16 GMT</pubDate>
            <atom:updated>2026-10-26T08:06:16.598Z</atom:updated>
            <content:encoded><![CDATA[<p>前兩篇，我帶著原本的 LINE Cafe Bot，開始認識 Google ADK（Agent Development Kit）。</p><blockquote><em>👉 </em><a href="https://medium.com/@zonawang/%E5%92%96%E5%95%A1-bot-%E5%81%9A%E5%AE%8C%E4%B9%8B%E5%BE%8C-%E6%88%91%E6%83%B3%E5%B8%B6%E8%91%97%E5%8E%9F%E6%9C%AC%E7%9A%84%E5%B0%88%E6%A1%88%E8%AA%8D%E8%AD%98-google-adk-a5299a6a0d68">咖啡 Bot 做完之後，我想帶著原本的專案認識 Google ADK</a></blockquote><blockquote><em>👉 </em><a href="https://medium.com/@zonawang/%E7%AC%AC%E4%B8%80%E5%80%8B-adk-agent-%E4%B8%80%E7%9B%B4%E6%B2%92%E6%9C%89%E5%9B%9E%E7%AD%94-%E6%88%91%E5%BE%9E-504-%E9%80%BE%E6%99%82-%E9%96%8B%E5%A7%8B%E7%9C%8B%E6%87%82%E6%A8%A1%E5%9E%8B%E8%88%87%E4%BB%BB%E5%8B%99%E7%9A%84%E5%88%86%E5%B7%A5-26ff72e620f0">第一個 ADK agent 一直沒有回答：我從 504 逾時，開始看懂模型與任務的分工</a></blockquote><p>第一篇，先用熟悉的咖啡護照拆解流程，理解資料讀取、統計與摘要各自負責什麼。第二篇，則讓第一個 Google ADK 小 agent 跑起來，也從一直等待到收到 504 逾時，慢慢看懂模型呼叫與任務設定的分工。</p><p>原本的專案讓抽象概念比較容易理解。不過，走到這裡，我開始想：</p><blockquote><em>如果從一開始就把 Google ADK 放進專案裡，我會怎麼做？</em></blockquote><p>所以這次，我決定開一個新的 repo、建立新的 LINE Bot，直接以 Google ADK 為核心，從零做一個日常真的會用到的「電影夥伴」。</p><p>這一篇先完成第一個核心循環：建立新的 LINE Bot，接上 Google ADK 與 TMDB 電影資料，讓我在 LINE 輸入片名，就能查到電影簡介與評論連結。</p><h3>先從日常會問的電影問題開始</h3><p>想看電影時，我最常冒出來的問題通常有這幾種：</p><ul><li>最近有什麼電影可以看？</li><li>《全面啟動》在講什麼？簡單介紹，不要劇透。</li><li>這部電影有人寫過評論嗎？</li></ul><p>如果只做單純的聊天機器人，很容易直接讓模型憑記憶回答，或是用關鍵字比對寫死指令。但電影上映資訊與評論連結需要可查證的來源，查不到時，也不能讓模型自己編造劇情。</p><p>因此，第一階段的目標很明確：收到 LINE 訊息後，真正交給 Google ADK 的 agent 判斷需求、呼叫電影查詢工具，拿到資料後，再整理成不劇透的繁體中文回覆。</p><h3>建立新的 LINE Bot，先把訊息接進 Google ADK</h3><p>這次建立的是全新的 LINE 官方帳號。</p><p>在後台啟用 Messaging API 後，我把新帳號的 Channel secret、Channel access token 與 Gemini API key 填進本機 .env，也先關掉平台預設的自動回覆，方便直接觀察 Google ADK 的回應。</p><p>為了讓 LINE 平台能把訊息送到本機開發中的服務，我先啟動本機 server，再用 cloudflared 建立臨時的 HTTPS tunnel，把 webhook 網址填回 LINE 後台完成驗證並啟用。</p><p>在訊息真正交給 Google ADK 之前，webhook 這一層先做好了兩件基本保護：</p><p>第一是驗證簽章。沒有帶簽章或簽章不符的請求會直接回傳 401，確保只有來自 LINE 的事件能進入系統。</p><p>第二是先排進佇列、立即回覆 200 OK，再由背景程式呼叫 Google ADK。如果事件超過 50 秒還沒開始處理，就直接標記過期，避免拿已經失效的回覆權杖重複發送。</p><p>等到手機上的 LINE 真的收到第一則電影回覆時，我還是忍不住問了一個問題：</p><blockquote><em>那我還需要跟我的 Google API 串嗎？</em></blockquote><p>確認後才發現，Gemini API 其實已經透過 Google ADK 接好了。剛才 agent 能讀懂問題、決定呼叫哪個工具，本來就有用到它。</p><p>這個小插曲也讓我把三個角色分得更清楚：LINE 是對話入口，Gemini 提供理解問題與生成文字的能力，而 Google ADK 則負責組織 agent、工具與整個執行流程。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Yp89TRKkUbwNvd8c.png" /><figcaption>本篇聚焦在電影查詢流程：LINE 收到問題後交給 Google ADK，由 LlmAgent 與 Gemini 提出 search_movies 工具呼叫，取得 TMDB 資料後再整理回覆。這是實作分工示意，並非操作畫面截圖。</figcaption></figure><h3>Google ADK 在這條查詢流程裡，做了哪三件事？</h3><p>如果自己直接串接模型 API，得手動組裝提示詞、解析工具呼叫、執行函式，再把結果塞回下一輪請求。</p><p>而在 Google ADK 裡，這條流程被拆成三個清楚的元件。</p><h3>1. LlmAgent：定義電影夥伴的任務與邊界</h3><p>建立 LlmAgent 時，我在任務說明（instruction）裡交代了幾條明確規則：用繁體中文簡短回覆、所有電影事實都必須先查工具、簡介預設控制在兩三句且不劇透。</p><p>如果工具查詢失敗或沒有資料，也要如實說明，不能用模型自己的知識補上。同時，延續前一篇處理 504 逾時的經驗，我也替模型請求設好 20 秒逾時上限並關閉自動重試，不讓單次呼叫無限等待。</p><h3>2. FunctionTool：把電影查詢能力交給 Google ADK 調度</h3><p>接著，我把查電影的函式包成 Google ADK 的 FunctionTool，替每個工具寫清楚名稱、用途說明與需要的參數。<a href="https://adk.dev/tools-custom/function-tools/">ADK Function tools 說明</a></p><p>模型看到這份說明，才知道什麼時候該提出工具呼叫；Google ADK 則負責實際執行對應的程式，再把結果交回模型繼續整理。我們也在工具執行時印出 [ADK tool] 紀錄，方便在終端機觀察 Google ADK 每一步呼叫了什麼。</p><p>在查電影這條路上，這個 agent 搭配了三個工具：</p><ul><li>now_playing：查詢台灣目前的上映候選電影清單。</li><li>search_movies：用片名關鍵字查詢電影名稱、上映日、繁中簡介與電影 ID。</li><li>movie_reviews：根據前面查到的電影 ID，查詢繁中使用者評論的作者與原文連結。</li></ul><p>這裡有一個刻意的設計：必須先查出電影 ID 才能查評論，而且評論只分享作者與原文連結，不讓模型自己編造影評或整體評價。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*3ciZZy17DeXfIeF-.png" /><figcaption>FunctionTool 的名稱、用途與參數會透過 Google ADK 提供給模型判斷；真正向 TMDB 發出請求的工作，仍然由工具背後的程式執行。</figcaption></figure><h3>3. InMemoryRunner：管理多輪對話與執行事件</h3><p>定義好 agent 與工具後，由 InMemoryRunner 負責把一輪輪對話跑起來。</p><p>當訊息進來時，Runner 會載入這位使用者的對話 session、執行 agent，並在事件流裡送出工具呼叫與最終回覆。程式只取出最終回答的文字，把中間推理過程過濾掉。</p><p>因為對話暫存在記憶體裡，我可以先問「最近有什麼電影？」，接著直接追問其中一部片在講什麼、有沒有評論。對話在閒置 30 分鐘或滿 20 回合後會自動重置，服務重啟後也會清除。</p><h3>先用示範電影驗證 ADK 流程，再接上真實 TMDB 資料</h3><p>在把外部 API 接上去之前，我們先做了一個示範模式（demo），放進《月台上的貓》、《星期天的放映室》兩部虛構電影。</p><p>這樣當 LINE webhook 剛設好時，我可以先在手機問一句「最近有什麼電影可以查？」，看著終端機印出 [ADK tool] now_playing，並在 LINE 收到標示為「示範模式虛構資料」的回覆。</p><p>先確認 LINE → Webhook → Google ADK → 工具 → LINE 整條路走得通，再來接外部資料，排查問題時單純很多。</p><p>接著，我到 <a href="https://developer.themoviedb.org/docs/getting-started">The Movie Database（TMDB）</a> 申請帳號與 Read Access Token，填入本機設定並切換為真實資料模式（tmdb）。</p><p>切換後，工具會以台灣地區與繁體中文向 TMDB 查詢。實際用《全面啟動》測試時，可以看到 Google ADK 依序呼叫上映查詢、片名搜尋與評論查詢，成功帶回電影簡介與繁中評論連結。</p><p>只要當輪對話實際用過 TMDB 工具，程式就會在回覆結尾自動補上資料來源聲明與網址；在 LINE 輸入「關於」，也能查看完整的<a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/docs/credits.md">資料來源說明</a>。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gBKAkyWUmvKyE1_ac7QAyw.png" /></figure><h3>實作時遇到的兩個問題：參數格式 400 與模式狀態同步</h3><p>在把 Google ADK 工具接上真實模型與切換資料來源時，遇到了兩個讓我印象深刻的問題。</p><p>第一個問題，是工具宣告傳給模型時回傳了 400。</p><p>第一次用真實模型跑 Google ADK 工具測試時，畫面直接跳出 Unknown name &quot;exclusiveMinimum&quot; 的錯誤。</p><p>檢查後發現，評論工具的「電影 ID」參數原本設定為「正整數（.positive()）」。轉成 JSON Schema 後，產生了 Gemini 工具宣告不接受的 exclusiveMinimum 欄位。</p><p>把限制改寫成「最小為 1（.min(1)）」並補上檢查測試後，Google ADK 的工具呼叫才順利跑通。這提醒了我：在 Google ADK 定義工具時，函式自己能執行還不夠，轉給模型的參數格式也必須是模型看得懂的寫法。</p><p>第二個問題，是資料換成真的，agent 卻還說是「虛構資料」。</p><p>切換到 TMDB 模式後，工具明明已經查回真實電影，LINE 收到的回覆卻還寫著「這是示範模式的虛構資料」。</p><p>原來底層資料來源雖然切換成功了，但 Google ADK 的 LlmAgent 任務說明裡沒有同步收到目前的模式狀態，模型還以為自己在跑測試資料。</p><p>把目前的資料模式（tmdb 或 demo）動態寫進任務說明、重新測試後，手機上收到的電影介紹與來源連結就完全一致了。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*WhpWmo1J7LV93UrTN_DTPw.png" /></figure><h3>先完成第一個小循環，再往日常場景延伸</h3><p>走到這裡，電影夥伴已經透過 Google ADK 在 LINE 裡完成了第一個完整的小循環：</p><blockquote><em>模型根據問題提出工具呼叫，Google ADK 執行工具、由程式向 TMDB 取得可查證的資料，最後再交回模型整理成不劇透的介紹。</em></blockquote><p>不過，當我真的能查到電影簡介後，很快又冒出了一個更貼近日常的問題：</p><blockquote><em>TMDB 的上映清單只能告訴我「台灣有上映」，但如果我今晚想去特定的電影院，現在到底放哪些片、幾點有場次？</em></blockquote><p>要回答這個問題，不能只靠一般上映清單，而需要在同一個 Google ADK agent 裡接上影城自己的時刻表。我把這一段實作整理在下一篇，敬請期待。：）</p><h3>完整程式碼與參考資料</h3><ul><li><a href="https://github.com/zonawang/movie-companion-bot-01">電影夥伴專案 Repo</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/src/agent.mjs">Google ADK agent 與工具定義（src/agent.mjs）</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/src/movies.mjs">TMDB 電影與評論查詢（src/movies.mjs）</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/docs/line-setup.md">建立新的 LINE Bot 設定指南</a></li><li><a href="https://github.com/zonawang/movie-companion-bot-01/blob/main/docs/verification.md">第一版驗證紀錄</a></li><li><a href="https://adk.dev/get-started/typescript/">Google ADK TypeScript 入門</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=dd48e5f89979" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[從台下到台上：我的 Hello World 初登台]]></title>
            <link>https://medium.com/@zonawang/%E5%BE%9E%E5%8F%B0%E4%B8%8B%E5%88%B0%E5%8F%B0%E4%B8%8A-%E6%88%91%E7%9A%84-hello-world-%E5%88%9D%E7%99%BB%E5%8F%B0-4b420d506a75?source=rss-03d2e4df503d------2</link>
            <guid isPermaLink="false">https://medium.com/p/4b420d506a75</guid>
            <category><![CDATA[line-bot]]></category>
            <category><![CDATA[hello-world]]></category>
            <category><![CDATA[aidd]]></category>
            <dc:creator><![CDATA[Zona Wang]]></dc:creator>
            <pubDate>Mon, 26 Oct 2026 04:46:19 GMT</pubDate>
            <atom:updated>2026-10-26T04:46:19.472Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*CZI3802R994f7HEaF8w5Bw.png" /></figure><p><em>從去年在台下幫講者拍照的 DevRel 新人，到今年站上 Hello World 舞台分享 AIDD。這一年，不只是角色的轉換，也是一段從嘗試中不斷學習與成長的旅程。</em></p><h3>一年後的 Hello World，這次換我站上舞台</h3><p>去年十月，剛加入 DevRel 的我，第一次參加 Hello World。</p><p>那時候的我，忙著幫公司講者拍照、記錄活動花絮，也一邊觀察攤位怎麼擺、活動怎麼進行，以及台上的講者如何分享自己的經驗。</p><p>當時根本沒想過，一年後再次來到同一個場地，我竟然會以講者的身分站上舞台。</p><p>這次不只是我第一次在大型技術活動中演講，也是我從 Scrum Master 轉換到 DevRel 之後，一個很重要的里程碑。</p><p>回頭看這一年，從原本在台下記錄別人的分享，到開始準備自己的議程、製作簡報，甚至思考如何讓聽眾帶走一些有價值的東西，這個角色的轉換真的很奇妙。</p><p>也讓我發現，原來很多成長，都是在不知不覺中慢慢累積的。</p><h3>從「今天吃什麼？」開始的 AIDD 實驗</h3><p>這次在 Hello World 分享的主題是 <strong>「用 AIDD 從 0 打造 LINE Bot：從 Intent 到 MVP」</strong>。</p><p>隨著 AI Coding 工具越來越成熟，現在要讓 AI 幫忙寫程式，似乎已經不是什麼難事。但我更好奇的是，當 AI 能夠參與需求分析、設計、實作甚至測試時，整個開發過程會變成什麼樣子？</p><p>於是，我決定實際動手試試看。</p><p>我選了一個非常生活化的問題：「今天午餐到底要吃什麼？」</p><p>希望透過 AIDD（AI-Driven Development），從零開始打造一個能推薦附近餐廳的 LINE Bot，並記錄從最初想法到 MVP 的過程。</p><p>原本以為這會是一個相對簡單的小專案，沒想到實作過程中，卻掉進了不少 Rabbit Hole。</p><p>從需求文件、系統設計，到開發環境與各種技術細節，AI 確實可以協助完成很多事情，但也因為想把每個階段都做得完整，我不知不覺花了不少時間在當下其實不一定需要解決的問題上。</p><p>直到某個時刻，我才發現：</p><p><strong>「明明 AI 很努力地幫我完成每件事，但我好像離最初想做的東西越來越遠了？」</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*UTZcjX7qRCf5P8V6fu2JUw.png" /></figure><h3>流程跑完，不代表創造了價值</h3><p>這段經驗，讓我想起過去擔任 Scrum Master 時經常思考的一件事：</p><p><strong>Process ≠ Goal。</strong></p><p>以前在 Scrum 團隊中，即使所有 Event 都有舉行、Sprint Backlog 都完成，也不代表我們真的交付了有價值的產品。</p><p>沒想到換成與 AI Agent 一起開發後，我又遇到了類似的問題。</p><p>AI 可以協助分析需求、寫程式、測試，也可以把每個階段的文件整理得很完整。</p><p>但對使用者來說，他們真的在意這些嗎？</p><p>以這次的午餐 Bot 為例，使用者真正需要的，其實只是能夠打開 LINE，快速找到今天要吃的午餐。</p><p>於是我開始重新調整開發方向，不再追求一開始就把所有事情做完整，而是先聚焦在最基本、真正能夠使用的 MVP。</p><p>這也是這次實作帶給我最大的體會：</p><p><strong>AI 可以幫助我們把事情做得更快，但要做什麼、什麼才算完成，以及下一步值不值得做，仍然需要人來判斷。</strong></p><p>而這樣的思考方式，其實也呼應了我過去在 Scrum 中學到的價值導向與持續迭代。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gh4SQwmeIZMr77Puoag7dQ.png" /></figure><h3>第一次站上大型舞台，比想像中更不容易</h3><p>除了技術上的收穫，這次最大的挑戰，當然還是演講本身。</p><p>雖然平常身為 DevRel，工作中就有不少機會接觸技術社群與活動，但當角色從活動工作人員變成講者，還要面對現場超過 100 位聽眾時，才發現要準備的事情真的不一樣。</p><p>從決定題目、實際動手做 Demo、整理簡報，到思考怎麼在有限的時間內，讓不同背景的聽眾都能理解我想分享的內容，每個環節都是新的挑戰。</p><p>尤其這次不只是介紹一個技術工具，而是希望把自己實際踩過的坑，以及從中得到的反思一起分享出去。</p><p>準備的過程中，也不斷思考到底哪些內容值得留下、哪些技術細節應該捨棄，以及如何讓整場分享更有故事性。</p><p>原來要把一件事情做出來，跟要把這件事情清楚地分享給別人，真的是兩種不同的能力。</p><p>而當天真正站上舞台，看著台下超過百位聽眾時，心情也和去年坐在台下的自己完全不同。</p><p>從原本協助記錄別人的分享，到現在成為站在台上的那個人，回頭想想，還是覺得有點不可思議。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*UoNbM0IZ2mZwh5IpiY7iuw.png" /></figure><h3>謝謝每一位給我勇氣與支持的人</h3><p>這次的上台經驗，對我來說真的是一個很重要的里程碑。</p><p>想特別感謝我的主管 <strong>Evan 的推薦</strong>，以及 <strong>iThome 主辦方的邀請</strong>，讓我有機會解鎖人生第一次站上 Hello World 舞台的成就！對我來說，這不只是一次演講機會，更是一段非常寶貴的學習與成長經驗。</p><p>也很感謝一路上幫助我的每一位貴人，無論是在準備過程中給我建議、陪我討論內容，還是在活動當天給我鼓勵的人，都讓我更有勇氣完成這次挑戰。</p><p>當然，也特別謝謝每一位到場的聽眾！</p><p>因為我的場次被安排在最後，原本還有點擔心大家是不是已經累了，或是準備回家。</p><p>但看到大家仍然願意留下來聽，甚至還有人特別過來支持我，真的非常感動。</p><p>第一次大型演講，還有很多可以進步的地方。從內容安排、表達方式到時間掌握，都還有很多值得持續練習的部分。</p><p>也很謝謝每一位願意給我回饋的人，每一則寶貴的建議，都是讓我能夠繼續進步的養分。💪</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*CJubVJtLGrGoUOJVrawCSQ.png" /></figure><h3>從 0 到 1，不只是一個 LINE Bot</h3><p>回頭看這次 Hello World，我覺得最有趣的是，這次其實經歷了兩種不同的「從 0 到 1」。</p><p>一個是透過 AIDD，從「今天吃什麼？」這個小問題開始，一步步打造出可以實際使用的 LINE Bot。</p><p>另一個則是自己從去年在台下協助活動，到今年第一次站上舞台分享的過程。</p><p>這兩件事看起來很不一樣，卻讓我有著相似的感受。</p><p><strong>很多事情不一定要等到完全準備好，才有資格開始。</strong></p><p>無論是開發一個產品，還是挑戰第一次大型演講，都可以先踏出第一步，再從過程中持續學習、調整與進步。</p><p>也許不會一次就做到最好，但每一次嘗試，都會讓自己更接近想成為的樣子。</p><p>希望這次分享，能讓大家對「從一個小問題開始，和 AI 一起把想法做出來」多一點嘗試的勇氣。</p><p>也希望未來的自己，還有機會帶著更多實作經驗與新的故事，再次站上舞台與大家分享！</p><p>期待下次在其他活動中見到大家！🙌🏻</p><h3>📌 這次的演講投影片 &amp; Github 完整專案展示</h3><p><strong>簡報連結：</strong> <a href="https://speakerdeck.com/line_developers_tw/zona-hello-world-aidd-ppt">https://speakerdeck.com/line_developers_tw/zona-hello-world-aidd-ppt</a></p><p>Github: <a href="https://github.com/zonawang/aidd-line-bot">https://github.com/zonawang/aidd-line-bot</a></p><p>如果你對 AIDD、AI Coding 或 LINE Bot 開發有興趣，也很歡迎一起交流！</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4b420d506a75" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[第一個 ADK agent 一直沒有回答：我從 504 逾時，開始看懂模型與任務的分工]]></title>
            <link>https://medium.com/@zonawang/%E7%AC%AC%E4%B8%80%E5%80%8B-adk-agent-%E4%B8%80%E7%9B%B4%E6%B2%92%E6%9C%89%E5%9B%9E%E7%AD%94-%E6%88%91%E5%BE%9E-504-%E9%80%BE%E6%99%82-%E9%96%8B%E5%A7%8B%E7%9C%8B%E6%87%82%E6%A8%A1%E5%9E%8B%E8%88%87%E4%BB%BB%E5%8B%99%E7%9A%84%E5%88%86%E5%B7%A5-26ff72e620f0?source=rss-03d2e4df503d------2</link>
            <guid isPermaLink="false">https://medium.com/p/26ff72e620f0</guid>
            <category><![CDATA[google-adk]]></category>
            <dc:creator><![CDATA[Zona Wang]]></dc:creator>
            <pubDate>Sun, 25 Oct 2026 08:28:40 GMT</pubDate>
            <atom:updated>2026-10-25T08:28:40.655Z</atom:updated>
            <content:encoded><![CDATA[<p>上一篇，我帶著原本的 LINE Cafe Bot 認識 Google ADK，也先畫出咖啡護照的流程：讀取紀錄、計算統計，再把結果交給 Gemini 寫成回顧。</p><blockquote><a href="https://medium.com/@zonawang/%E5%92%96%E5%95%A1-bot-%E5%81%9A%E5%AE%8C%E4%B9%8B%E5%BE%8C-%E6%88%91%E6%83%B3%E5%B8%B6%E8%91%97%E5%8E%9F%E6%9C%AC%E7%9A%84%E5%B0%88%E6%A1%88%E8%AA%8D%E8%AD%98-google-adk-a5299a6a0d68">咖啡 Bot 做完之後，我想帶著原本的專案認識 Google ADK</a></blockquote><p>昨天先看懂圖，今天想往前走一小步，讓第一個 agent 真的回一句話。</p><p>Google ADK 是用來開發與組織 agent 應用的框架。今天用到的 LlmAgent，可以先理解成一個帶著任務說明、透過模型處理文字的角色。</p><p>我給它的工作很單純：用兩句繁體中文，介紹咖啡護照能做什麼。個人足跡與資料庫先留到後面，今天先確認它知道自己的任務，也知道資料不足時該怎麼回答。</p><p>沒想到，第一個需要處理的問題，是它一直沒有回答。</p><h3>先挑一段熟悉的流程，把第一步縮小</h3><p>原本的咖啡護照已經把資料讀取、統計、摘要和訊息呈現分開。這讓我能保留既有規則，逐步觀察 ADK 接進來之後的變化。</p><p>但今天的第一個 agent，還不用接完這條流程。打開 agent.ts，先抓住三個欄位就好：</p><ul><li>name：讓我辨認這個 agent 的名稱。</li><li>model：指定使用哪個模型。</li><li>instruction：交代它要完成的工作，以及回答的限制。</li></ul><p>我把 instruction 寫成：用繁體中文、最多兩句話，說明咖啡護照能整理造訪紀錄與評分。因為目前沒有接上使用者資料，不能猜測造訪次數、店名、金額或個人偏好。</p><p>這樣就有兩個很清楚的驗收問題：</p><blockquote><em>咖啡護照能幫我做什麼？</em></blockquote><blockquote><em>我這個月去了幾間店？</em></blockquote><p>第一題應該能介紹用途，第二題則應該說明還沒有資料。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*NyG6YDpsRGxqfFFB.png" /><figcaption>今天先完成一個小 agent：接收問題、依任務說明呼叫模型，再回傳答案。工具、個人紀錄與 LINE 串接還沒有接入。</figcaption></figure><h3>畫面顯示 Sending out request，接著就沒有動靜</h3><p>建立 Gemini API key、放進本機的 .env 後，我用 npm run agent 啟動程式。</p><p>原本的模型設定是 gemini-flash-latest。送出問題後，終端機出現了「Sending out request」的 INFO 訊息，後面還列著模型名稱、GEMINI_API 和 stream: false。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_QKLfaP98MZGK_qPsAfP4w.png" /></figure><p>一開始，我不確定這代表什麼：程式還在執行，還是已經卡住了？</p><p>和 Codex 一起看過後，我才比較清楚，這行只是請求開始送出的進度訊息。它還不能證明模型已經成功回覆。</p><p>而 stream: false，表示這次會等整段回答完成後一起顯示。在結果回來以前，畫面不會逐字往下跑。</p><p>但等了一段時間，依然沒有回答。我就把這個狀況貼給 Codex，先處理「怎麼知道它為什麼一直等」這件事。</p><h3>加上三十秒上限，才看見真正的錯誤</h3><p>Codex 替這個入門範例加了兩個設定：每次模型請求最多等待三十秒，而且只嘗試一次，先關掉自動重試。</p><p>重新啟動、再送出問題後，這次終於出現明確訊息：</p><blockquote><em>504: Deadline expired before operation could complete.</em></blockquote><p>意思是這次請求沒有在期限內完成。加上等待上限沒有直接解決問題，但讓「好像停住了」變成一個可以繼續排查的錯誤。</p><p>接下來，Codex 用同一把 key、同一個模型，直接呼叫 Gemini API，先觀察不經過 ADK 時會發生什麼。</p><p>結果在大約二十九秒後，也收到相同的 504。</p><p>這個對照很有幫助：相同的逾時能在 ADK 之外重現，接下來就可以先縮小範圍，檢查模型呼叫這一段。</p><h3>先只換一個模型，再回到原本的 agent</h3><p>參考官方模型文件後，Codex 選了一個固定的模型名稱 gemini-3.5-flash-lite，再做一次簡短呼叫。<a href="https://ai.google.dev/gemini-api/docs/models">官方模型文件</a></p><p>這次沿用同一把 key，大約一點三五秒就收到「連線成功」。</p><p>因此，今天不需要先重建 key，而是把這個成功的設定接回原本的 ADK agent，再測一次完整流程。</p><p>驗證時還碰到一個小細節：雖然在啟動命令指定了新模型，ADK 的紀錄卻仍顯示 gemini-flash-latest。</p><p>Codex 確認啟動流程會重新載入 .env 後，直接把檔案裡的 GEMINI_MODEL 改成 gemini-3.5-flash-lite，再重新啟動。範例的預設值與 .env.example 也一起更新，讓設定保持一致。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*vzFIdV1APJh6Vqp2.png" /><figcaption>依今天實際發生的順序整理：取得逾時錯誤、直接呼叫對照、換固定模型，最後回到 ADK 驗證。時間是這次測試的觀察，不代表模型長期的速度或穩定性。</figcaption></figure><p>這次先找到一個能讓入門範例正常運作的設定。至於原模型為什麼逾時，目前還沒有足夠資料斷言，不能只憑這次結果就說某個模型永遠不能用。</p><h3>第一個回答，是介紹用途；第二個回答，是承認不知道</h3><p>調整後，Codex 透過 ADK CLI，代為跑了今天的兩個驗收問題。</p><p>第一題問「咖啡護照能幫我做什麼？」，agent 回覆：</p><blockquote><em>咖啡護照可以幫您整理咖啡廳的造訪紀錄與評分。目前尚未提供您的個人資料，無法顯示相關紀錄。</em></blockquote><p>第二題問「我這個月去了幾間店？」，它回覆：</p><blockquote><em>目前您尚未提供個人資料，因此我無法得知您這個月去了幾間店。</em></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*4rhmP6VLUWUQ_kHE.png" /><figcaption>根據 Codex 代驗證時的 ADK CLI 實際輸出整理。這兩則回覆沒有使用個人咖啡紀錄。</figcaption></figure><p>第一題確認它能完成介紹任務，第二題則讓我看見 instruction 裡的資料邊界，有反映在這次回答上。</p><p>有了模型和任務說明，agent 可以理解問題、生成文字；要回答我的個人造訪次數，仍然需要真正的資料來源。下一步就會從這裡往下接。</p><h3>今天學到的，是把「能啟動」和「能完成任務」分開看</h3><p>這一天原本只安排建立一個小 agent，實際卻先經過了等待、逾時、直接 API 對照，以及模型與 .env 設定的調整。</p><p>我也更能理解，看到程式啟動、看到一行 INFO，和真的收到符合任務的回答，是不同階段的驗證。</p><p>這次的合作很具體：我把自己在終端機看到的狀況貼出來，Codex 協助加上可控的等待時間，再用小範圍對照找出能繼續前進的設定。</p><p>今天的成果是一個可以介紹咖啡護照，也會在資料不足時說明不知道的 ADK agent。它還沒有工具，還沒讀取 Firestore，也還沒接回 LINE。</p><p>兩題成功回覆已經驗證並記錄下來，個人操作的截圖則還可以繼續補進學習紀錄。</p><p>下一篇，我想讓它多一個真正能使用的能力：把函式包成 FunctionTool，看看一份工具回傳的資料，會怎麼改變 agent 的回答。</p><h3>完整程式碼與參考資料</h3><ul><li><a href="https://github.com/zonawang/line-cafe-google-adk/tree/main/examples/adk-starter">本篇完整程式碼</a></li><li><a href="https://github.com/zonawang/line-cafe-google-adk/blob/main/examples/adk-starter/README.md#%E9%A9%97%E8%AD%89%E7%8B%80%E6%85%8B">Day 2 實際回覆與排查紀錄</a></li><li><a href="https://github.com/zonawang/line-cafe-google-adk/blob/main/learning-log.md">15 天學習紀錄</a></li><li><a href="https://github.com/zonawang/line-cafe-google-adk/blob/main/articles/day-01.md">上一篇：帶著原本的咖啡專案認識 Google ADK</a></li><li><a href="https://adk.dev/get-started/typescript/">Google ADK TypeScript Quickstart</a></li><li><a href="https://ai.google.dev/gemini-api/docs/troubleshooting">Gemini API Troubleshooting</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=26ff72e620f0" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[咖啡 Bot 做完之後，我想帶著原本的專案認識 Google ADK]]></title>
            <link>https://medium.com/@zonawang/%E5%92%96%E5%95%A1-bot-%E5%81%9A%E5%AE%8C%E4%B9%8B%E5%BE%8C-%E6%88%91%E6%83%B3%E5%B8%B6%E8%91%97%E5%8E%9F%E6%9C%AC%E7%9A%84%E5%B0%88%E6%A1%88%E8%AA%8D%E8%AD%98-google-adk-a5299a6a0d68?source=rss-03d2e4df503d------2</link>
            <guid isPermaLink="false">https://medium.com/p/a5299a6a0d68</guid>
            <category><![CDATA[google-adk]]></category>
            <dc:creator><![CDATA[Zona Wang]]></dc:creator>
            <pubDate>Sat, 24 Oct 2026 09:04:53 GMT</pubDate>
            <atom:updated>2026-10-24T09:04:53.157Z</atom:updated>
            <content:encoded><![CDATA[<h3>什麼是Google ADK?</h3><p>Google ADK，全名是 Agent Development Kit，是 Google 提供的開源 AI agent 開發框架。它讓開發者把模型、工具和執行流程組織在一起，用來建立能完成任務的 agent 應用。<a href="https://adk.dev/">官方介紹</a></p><p>如果先用我自己的話理解：<strong>Gemini 負責理解與生成內容，ADK 則協助安排這些能力怎麼被使用、步驟怎麼接起來。</strong></p><p>這樣說還是有點抽象，所以今天，我想帶著之前做好的 LINE Cafe Bot，開始認識這個對我來說全新的工具。</p><p>前一個系列，我和 Codex 一路替咖啡 Bot 加上找店、收藏、偏好記憶、安排時間、群組投票和咖啡護照。從「今天想去哪裡喝咖啡」，到約好時間、真的出發，再記下喝完之後的感受，已經累積了一段完整的旅程。</p><p>功能系列告一段落後，這個專案也剛好可以成為下一段學習的教材。</p><p>我也是第一次接觸 ADK，最想先弄懂的是：</p><blockquote><em>我的咖啡 Bot 已經會呼叫 Gemini，也能讀資料、做推薦。那 ADK 會放在哪裡，又能幫我做什麼？</em></blockquote><p>接下來，我打算每天理解一點、實作一點，再把學到的內容寫下來。第一天先從自己熟悉的咖啡護照出發。</p><h3>一句「本月咖啡護照」，背後其實有好幾步</h3><p>原本在 LINE 輸入「本月咖啡護照」，最後會看到造訪次數、不同店家、平均評分，以及一小段 Gemini 寫的回顧。</p><blockquote>👉 <a href="https://medium.com/@zonawang/line-cafe-bot-%E6%97%85%E7%A8%8B%E5%B0%BE%E8%81%B2-%E6%88%91%E6%8A%8A%E4%B8%80%E8%B7%AF%E7%B4%AF%E7%A9%8D%E7%9A%84%E8%B6%B3%E8%B7%A1%E5%81%9A%E6%88%90%E4%B8%80%E6%9C%AC%E5%92%96%E5%95%A1%E8%AD%B7%E7%85%A7-b460ad326706">LINE Cafe Bot 旅程尾聲，我把一路累積的足跡做成一本咖啡護照</a></blockquote><p>但卡片出現以前，程式得先完成幾件事：確認發話者、讀取足跡與收藏、計算統計、產生摘要，最後再組成 LINE 訊息。</p><p>今天我先把這條流程畫出來，並在每個節點旁標上由誰處理：</p><ul><li>LINE 收到指令：程式負責接收事件與確認使用者。</li><li>資料讀取：程式取得這個人的足跡與收藏。</li><li>統計：程式計算次數、店家數與平均分數。</li><li>摘要：Gemini 根據統計，寫成兩句自然的回顧。</li><li>LINE 回覆：程式把結果組成訊息並送出。</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*XOnfW2TlDIp-ZoWM" /><figcaption><em>圖 1｜咖啡護照的五個步驟，標出程式與 AI 各自負責的工作。</em></figcaption></figure><p>拆開之後就比較清楚了：整個流程裡，只有摘要這一步需要生成文字。讀取資料、算平均分數和組成訊息，都有明確的程式規則。</p><p>接下來想用 ADK 練習的，就是把這些步驟組織起來，讓先後順序、資料交接和不同情況的處理方式更容易看懂。</p><h3>第一個概念：把流程想成一張 graph</h3><p>Graph 可以先想成一張由節點和連線組成的圖。一個節點做一件事，連線描述工作之間的關係。</p><p>咖啡護照可以先縮成這三步：</p><p>讀取紀錄 → 計算統計 → 產生回顧。</p><p>統計需要先拿到紀錄，回顧又需要先知道統計結果，因此順序有明確的理由。</p><p>如果這個月沒有任何紀錄，流程也可以分成另一條路：直接提醒使用者先記下第一次造訪。有資料才產生回顧，零筆就顯示空狀態。</p><p>ADK 的 <strong>graph workflow</strong> 能把這些步驟與關係定義在程式裡。節點可以是一般函式、工具或 AI agent，因此一張圖裡可以同時安排程式與模型的工作。<a href="https://adk.dev/graphs/">官方 graph workflow 說明</a></p><h3>今天先跑了一個沒有 AI 的小流程</h3><p>為了先看懂資料怎麼移動，我今天執行了 repo 裡的離線範例：node examples/day01-flow.mjs。</p><p>這個範例使用虛構的咖啡足跡，由三個一般 JavaScript 函式依序完成讀取、統計與顯示文字。</p><p>示範資料共有三筆造訪，其中兩筆屬於同一家店，評分分別是 5、4、3。整理後的結果是：</p><blockquote><em>3 次造訪、2 家不同的店，平均 4 分。</em></blockquote><p>這裡很容易看懂「次數」與「店家數」為什麼要分開。同一家店去了兩次，造訪次數會增加，店家數仍然只算一家。</p><p>接著，我再執行 node examples/day01-flow.mjs --empty，切換成沒有紀錄的情境。</p><p>這次造訪次數和店家數都變成 0，平均分數是 null，最後顯示：</p><blockquote><em>目前沒有示範紀錄，可以先記下第一次咖啡體驗。</em></blockquote><p>null 在這裡表示沒有可計算的平均分數。沒有評分，和平均得到 0 分，是不同的意思。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*iNZ8bgicalje0CCk" /><figcaption><em>圖 2｜同一份離線範例分別使用正常資料與空資料執行。摘要仍由固定文案產生，尚未呼叫 AI。</em></figcaption></figure><p>兩種情境都跑過後，我比較能把輸入、處理步驟與輸出連在一起看：同一條流程收到不同資料，就會得到不同結果。</p><p>這個練習還沒有執行 ADK，也沒有呼叫 Gemini。最後的摘要是固定文案，先用來觀察資料流；之後才會把需要生成文字的節點接上模型。</p><h3>把 Firestore 和 Cloud Tasks 放到圖外，角色就更清楚了</h3><p>畫完主流程後，我也在旁邊補上原本專案已經用過的 Firestore 與 Cloud Tasks，替它們各寫下一句責任。</p><p>Firestore：保存使用者的咖啡足跡、收藏與行程，讓程式之後可以查詢。</p><p>它提供主流程需要的資料。對話重新開始，過去留下的足跡仍然應該保存在資料庫裡。</p><p>Cloud Tasks：保存排程任務，在指定時間觸發提醒處理程式。</p><p>例如原本的咖啡提醒，需要到時間再傳 LINE 訊息，就會用到這類排程能力。查看咖啡護照則先走資料讀取、統計與摘要的主流程。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*nC-xVGEoMaoqKVgw" /><figcaption><em>圖 3｜把資料庫、排程、流程編排與模型放回同一張圖。圖中的 ADK 編排是接下來要實作的目標架構。</em></figcaption></figure><p>這樣放回整張圖，我就比較不會把「安排工作順序」、「永久保存資料」和「到時間觸發工作」混在一起。</p><h3>今天最想記住的，是 ADK 與 Gemini 的分工</h3><p>我在學習紀錄裡留下這句話：</p><blockquote><em>「先讀紀錄，再算統計，最後寫摘要」由 ADK 編排；「把統計寫成自然的兩句話」由 Gemini 生成。</em></blockquote><p>這是在描述接下來要建立的目標架構。今天實際完成的，是離線流程練習與角色圖，還沒有把原本的 Bot 接上 ADK。</p><p>對我來說，先分清楚這件事很有幫助。原本已經寫好的統計，可以繼續由程式負責；Gemini 專心處理文案；接下來再用 ADK 組織它們如何合作。</p><p>至於這樣做之後，流程是否更容易理解、問題是否更好找，以及多出的依賴值不值得，仍然要等實作後拿前後版本比較。</p><p>今天先完成這一小步：跑過有資料與空資料的情境，畫出護照流程，也把資料庫、排程、模型與框架的角色分開。</p><p>之前每做一個功能，咖啡 Bot 就多學會一件事。這次，它成了我學新工具的教材。下一篇，就開始讓第一個 ADK agent 跑起來。</p><h3>完整專案與參考資料</h3><ul><li><a href="https://github.com/zonawang/line-cafe-google-adk">Google ADK 學習專案</a></li><li><a href="https://github.com/zonawang/line-cafe-google-adk/blob/main/ROADMAP.md">15 天學習路線</a></li><li><a href="https://github.com/zonawang/line-cafe-google-adk/blob/main/learning-log.md">Day 1 學習紀錄與截圖</a></li><li><a href="https://github.com/zonawang/line-cafe-passport/blob/main/medium.md">前一篇：把咖啡足跡做成一本護照</a></li><li><a href="https://adk.dev/">Google ADK 官方文件</a></li><li><a href="https://adk.dev/graphs/">Graph-based agent workflows</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a5299a6a0d68" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[我把原有的 LINE Bot 交給 AIDD，這次先說清楚哪些功能要留下來]]></title>
            <link>https://medium.com/@zonawang/%E6%88%91%E6%8A%8A%E5%8E%9F%E6%9C%89%E7%9A%84-line-bot-%E4%BA%A4%E7%B5%A6-aidd-%E9%80%99%E6%AC%A1%E5%85%88%E8%AA%AA%E6%B8%85%E6%A5%9A%E5%93%AA%E4%BA%9B%E5%8A%9F%E8%83%BD%E8%A6%81%E7%95%99%E4%B8%8B%E4%BE%86-f2ab30108207?source=rss-03d2e4df503d------2</link>
            <guid isPermaLink="false">https://medium.com/p/f2ab30108207</guid>
            <category><![CDATA[line-bot]]></category>
            <category><![CDATA[aidd]]></category>
            <dc:creator><![CDATA[Zona Wang]]></dc:creator>
            <pubDate>Sat, 10 Oct 2026 12:01:17 GMT</pubDate>
            <atom:updated>2026-10-11T10:10:57.019Z</atom:updated>
            <content:encoded><![CDATA[<p>上一篇，我分享了用 AIDD 做 LINE 午餐 Bot 的過程。從「今天中午吃什麼」，走到真正收到餐廳推薦，也碰到了需求膨脹、環境調查和反覆核准的問題。</p><blockquote><a href="https://medium.com/@zonawang/%E6%88%91%E7%94%A8-aidd-%E5%81%9A%E4%BA%86%E4%B8%80%E5%80%8B-line-%E5%8D%88%E9%A4%90-bot-%E6%89%8D%E7%99%BC%E7%8F%BE-ai-%E9%96%8B%E7%99%BC%E6%9C%80%E9%9B%A3%E7%9A%84%E4%B8%8D%E6%98%AF%E5%AF%AB%E7%A8%8B%E5%BC%8F-d5973d6f4d41">我用 AIDD 做了一個 LINE 午餐 Bot，才發現 AI 開發最難的不是寫程式</a></blockquote><p>寫完之後，我想再試一次。</p><p>但這次，起點換了。</p><p>我已經有一個先前做過的 LINE Bot，叫做<strong> Zona Crystal</strong>。(回顧：<a href="https://medium.com/@zonawang/line-bot-%E5%AF%A6%E6%88%B0-%E7%B5%90%E5%90%88%E5%8E%9F%E7%94%9F%E6%97%A5%E6%9C%9F%E9%81%B8%E6%93%87%E5%99%A8-datetime-picker-%E8%88%87%E7%94%9F%E5%91%BD%E9%9D%88%E6%95%B8%E6%BC%94%E7%AE%97%E6%B3%95-%E6%89%93%E9%80%A0%E6%A5%B5%E8%87%B4%E9%A0%86%E6%9A%A2%E7%9A%84%E5%8D%A0%E6%98%9F%E4%BA%92%E5%8B%95%E9%AB%94%E9%A9%97-58a3eb130911"><em>LINE Bot 實戰：結合原生日期選擇器（Datetime Picker）與生命靈數演算法，打造極致順暢的占星互動體驗</em></a>）這次是把<strong>原有專案交給 AI</strong>，請它讀懂、重新整理 spec，再透過 AIDD 推進成<strong>可以展示、教學與分享的版本。</strong></p><p>原本的程式、互動設計和素材都存在，也分散在幾個 repo 裡。我要確認的是：<strong>當 AI 接手一個已經有東西的專案，它能不能理解哪些值得沿用、哪些功能必須保留，以及這次做到哪裡就可以交付</strong>？</p><p>這篇想記錄的，除了最後做出了什麼，更是我這次實際下了哪些指令，以及這些指令怎麼影響開發方向。</p><p>用詞沿用上一篇：AIDD 是 AI 驅動開發的概念；這次實際使用的框架是 AI-DLC，執行工具是 Codex CLI。</p><h3>第一道指令：先讀我做過的東西，重新寫 spec</h3><p>我一開始是這樣問的：</p><blockquote><em>我曾經有做過一個 LINE Bot，叫做 Zona Crystal，你能讀到我先前已經做過的東西，重新寫 spec 並為我規劃怎麼能做得更完善嗎？</em></blockquote><p>接著，我補上這些 repo：</p><pre>zonawang/line-echo-bot<br>zonawang/line-memory-bot<br>zonawang/line-quick-reply<br>zonawang/line-icon-switch<br>zonawang/line-rich-menu-switch<br>zonawang/line-loading-animation<br>zonawang/line-datetime-picker</pre><p>這些是我過去逐步做出來的功能版本：Echo、記憶、追問、角色頭像、選單切換、等待動畫，以及生日日期選擇。後續盤點也納入了 line-flex-message 的三張水晶卡功能。</p><p>所以，這次不能只看最後一個 repo，然後把前面累積的功能當成可有可無。</p><p>在既有專案上跑 AIDD，第一步是建立「現在已經有什麼」的共同理解。</p><p>新版有新增與整合的程式，也有本機教學介面；這不代表完全沒有寫新東西。但產品功能、指南、圖片和原有互動都有來源，不能把整個成果寫成 AI 從零創造出來。</p><p>這也是重新寫 spec 的價值：把散在不同版本裡的功能，整理成同一份能實作、能驗收的需求。</p><h3>第二道指令：這次的目的，只是展示、教學與分享</h3><p>上一篇做到一半，我才把優先級拉回 Time-to-MVP。這次，我在開始時就先說明：</p><blockquote><em>我這次這產品的目的只是 — — 可展示、教學與分享的 bot。</em></blockquote><p>然後給了一段比較完整的英文指令。以下是原始指令的部分節錄，並非全文：</p><pre>Build this project using an MVP-first, time-boxed AIDLC workflow.</pre><pre>Primary Goal:<br>Complete the entire AIDLC workflow and deliver a working,<br>demonstrable MVP within ONE working day.</pre><pre>The highest priority is Time-to-MVP,<br>not architectural completeness or production readiness.</pre><p>我也把完成條件講清楚：核心旅程能端到端操作、能在本機或最簡單的環境 Demo、關鍵測試通過，並且留下已知限制與延後項目。</p><p>對 Zona Crystal 來說，主展示旅程是：</p><p>輸入生日 → 生命靈數與三張水晶卡 → 選卡看介紹 → 點追問 → 延續記憶。</p><p>例如輸入 2000-01-01，會得到生命靈數 4 和三張不同的水晶卡，再從其中一張繼續互動。</p><p>「做得更完善」很容易讓 AI 往更多功能、更完整架構的方向走。加上用途與完成條件之後，才比較容易判斷：現在的工作，是否真的有助於這次展示？</p><h3>十分鐘停損，也在一開始就說</h3><p>上一篇，我後來訂下約十五分鐘的非核心診斷上限。這次改成十分鐘，而且直接放進最初的指令：</p><pre>If an architecture, infrastructure, dependency, environment,<br>or design issue cannot be resolved within 10 minutes,<br>stop investigating it.</pre><pre>Choose the simplest viable workaround,<br>simplify the requirement, or remove that part from the MVP.</pre><pre>Record the issue as a deferred item and continue.</pre><p>我還指定，若一天時限有風險，先縮減範圍，不延長時程來保住所有工程工作。</p><p>這是我給 AI 的工作規則，不代表有逐項計時證明每次調查都在十分鐘內結束，也不能據此宣稱效率提升幾倍。</p><p>但它讓 AI 在遇到問題時，有一個明確的選擇依據：先找能讓 MVP 繼續的簡單方案。</p><h3>第三道指令：「我原有的功能都要留著」</h3><p>這次最重要的一次修正，其實只有一句話：</p><blockquote><em>我原有的功能都要留著</em></blockquote><p>當時流程為了縮小 MVP，曾把圖片辨識、永久記憶等功能列為延後。</p><p>如果是新題目，這種取捨可能合理。但對我來說，它們是原本已經做過的功能，也是這個 Bot 可以拿來教學的內容。</p><p>我希望縮小的是這次新增的工程負擔，原有的功能則要整合進新版。</p><p>後來，範圍文件修正成完整保留：文字與圖片諮詢、持久記憶與回憶、三個後續問題、四個角色、Echo、雙選單、指南、等待提示、生日與生命靈數，以及三卡推薦。</p><p>生日三卡仍然是主展示旅程，但走完這條路，不能就當成其他功能也完成了。</p><p>這裡有一個很實際的提醒：「MVP-first」本身不會告訴 AI 哪些可以刪、哪些必須留下。</p><p>兩個指令一起看，最後的工作邊界才完整：原有功能都保留；省下來的時間，從額外裝飾、大幅重構、正式雲端部署和目前不需要的維運平台取得。</p><p>這也不代表要求原封不動保留每一行舊程式。保留的重點是功能與使用者能觀察到的行為，既有缺陷仍然要如實記錄。</p><h3>第四道指令：一般決策讓 AI 自己往前走</h3><p>上一篇已經讓我感受到，反覆確認也會消耗時間。這次在核准 Intent Capture 之後，我直接要求更高的自主程度。</p><p>以下同樣是原始指令節錄：</p><pre>From this point forward, run the AI-DLC workflow<br>in maximum autonomous / YOLO mode.</pre><pre>Treat my default decision as<br>&quot;Looks correct / Approve / Continue&quot; for routine checkpoints.</pre><pre>Do not pause merely to present options when you can safely<br>choose the simplest MVP-first option yourself.</pre><pre>Otherwise:<br>DECIDE → EXECUTE → VALIDATE → CONTINUE.</pre><p>我也保留了必須停下來的情況：框架明確要求且不能自動回答的人工作答、需要憑證、不可逆或破壞性操作，以及核心產品方向真的不清楚。</p><p>這裡的 YOLO，是我希望 AI 減少例行詢問、選擇最簡單可行方案的說法。它不等於框架的所有核准機制都會消失。</p><p>實際對話裡，我仍然回了很多次 1，後來也用了 Looks correct、Nothing to add 和 Approve。</p><p>有些關卡需要能被正式記錄的人工作答，數字回答也曾沒有被辨識成有效確認。重新確認摘要，再使用明確的回答，流程才繼續。</p><p>所以這次沒有做到「下一段 prompt，後面完全不用管」。自主指令讓 AI 知道一般決策怎麼選；框架要求的人工作答，仍然是另一件事。</p><p>這和上一篇的體會很接近：對話裡說了同意，還要確認工作紀錄真的接受了。</p><h3>第五道指令：恢復流程，保留已經做好的 MVP</h3><p>當已經有實作，流程與審查狀態卻需要恢復時，我特別不希望它重新開始寫。</p><p>我給了這段指令，以下為原始節錄：</p><pre>Restart stage.</pre><pre>Preserve all existing MVP implementation and accepted answers.</pre><pre>Do NOT redesign or rebuild working functionality unless<br>strictly required to recover the workflow state.</pre><pre>This is a workflow/review-state recovery only.</pre><pre>After recovery:<br>- validate the existing MVP using the minimum required<br>  critical-path checks,<br>- obtain the required valid review verdict,<br>- continue immediately to the next stage.</pre><pre>Do not restart implementation from scratch.</pre><p>我也再次要求，不要藉這次恢復去改善架構、重構、增加選配功能或擴大測試覆蓋。</p><p>因為「重啟階段」很容易被理解成「這個階段的東西全部重做」。但當時需要處理的是流程和審查紀錄，已經可以操作的 MVP 應該留下來。</p><p>最後這輪恢復沒有修改應用程式，而是重新檢查既有成果、取得有效審查結果，再完成測試與本機交付紀錄。</p><p>恢復後，主流程指標有四個設計階段被標示為 skipped，但原先的設計文件、答案與審查仍然保留。不能把恢復之後的狀態，寫成又從頭做了一輪設計。</p><p>這段指令對接手既有專案很有用：先講清楚，這次要恢復的是什麼，又有哪些成果已經不需要重做。</p><h3>和上一篇放在一起看，差別在哪裡？</h3><p>上一篇也提到我過去做過咖啡 Bot，所以不能簡化成「上次毫無基礎，這次才有基礎」。比較準確的差別，是這次一開始就要求 AI 以既有 Zona Crystal 的功能與程式為依據。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*pzbCqbMUfY31DMw3V5seBg.png" /></figure><p>上次我比較常問：「這個需求要不要先放到下一版？」</p><p>這次我需要多問一件事：「它是新需求，還是原本就有、這次應該留下的功能？」</p><p>這個差別會影響 AI 怎麼縮小範圍。對已有使用情境的專案，縮減工作不能只看哪條路最短，也要看哪些行為是原本產品的一部分。</p><h3>現在的 Zona Crystal，可以怎麼拿來分享？</h3><p>回到我一開始的目的：這個版本，要能拿來展示、教學與分享。</p><p>最直觀的成果，是現在可以在電腦上啟動 Zona Crystal，打開教學頁，從生日開始走完一段互動。輸入 2000-01-01，看到生命靈數和三張水晶卡，選一張看介紹，再點下面的問題繼續聊。這樣就有了一條可以跟著操作、也方便說明的展示路線。</p><p>接著，可以把話題帶回我之前做過的功能：怎麼用 Quick Reply 接下一個問題？切換角色後，名稱和頭像怎麼呈現？怎麼進出 Echo 模式、切換兩組選單，或打開原本的指南？這些功能都整理進同一個版本，分享時有一個共同的入口。</p><p>記憶功能也有留下來。本機提供 A、B 兩個示範身分，可以用來說明不同使用者的內容如何分開保存。既有檢查也確認了：服務重新啟動後，仍然能讀到保存的記憶。這正是我說「原有功能都要留著」時，在意的事情。</p><p>為了讓別人容易開始，本機教學模式不需要先準備金鑰。文字回覆、圖片辨識範例與 LINE 操作模擬，都會在畫面上標示清楚。拿它教互動流程很方便；要看真實模型怎麼回答，或手機上的 LINE 怎麼呈現，還需要另外串接和實測。 水晶與星座內容也維持教學情境。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4MclKIxbhRcqht9jT4qpBw.png" /></figure><p>實際網站已發佈：<a href="https://zona-crystal-demo-3sv3zqjszq-de.a.run.app/">https://zona-crystal-demo-3sv3zqjszq-de.a.run.app/</a></p><p>這次既有的 64 個測試全部通過，格式與 lint 檢查也通過。除了生日和卡片，檢查還涵蓋了記憶、使用者隔離、重啟與並行請求。這些結果讓本機展示有了驗證依據。</p><p>不過，收尾時仍然有沒解完的問題。例如 LINE 一次送來多個事件，前一個處理太久，後面的事件可能卡在失敗狀態，即使平台重送也無法恢復。這個缺陷仍在；真實 LINE、Gemini／Vertex 和 Firestore 的外部實測，以及部分畫面、鍵盤操作與回退檢查，也還沒完成。</p><p>我選擇先接受測試階段留下的未達標項目，完成這次本機 MVP 的交付。審查雖然得到 READY，仍然保留一項未解決的 Major。完整結果放在交接文件裡，後續可以接著處理。</p><p>所以，現在可以拿來分享的，是一個保留原有功能、能在本機操作的教學版本。要走到正式上線，還有下一段工作。</p><p>AI-DLC 最後也完成了流程收尾。不需要為這次展示新建的雲端與維運工作，則依條件略過。程式、spec、示範步驟和交付紀錄都放到了 GitHub，讓有興趣的人可以自己跑起來，也看得到這次做到哪裡。</p><h3>如果你也要拿既有專案跑 AIDD，可以先講這些</h3><p>下面是根據這次經驗整理的中文提示範本，不是原始對話全文：</p><pre>這是一個既有專案，請先讀取現有程式、文件與各功能版本。<br>列出已存在的功能、可沿用的素材，以及目前的限制，<br>再重新整理 spec。不要預設從零重建。</pre><pre>目標是展示、教學與分享，一個工作天內完成可操作的 MVP。<br>原有功能全部保留並整合；新增功能、大幅重構、裝飾，<br>以及正式營運架構優先延後。</pre><pre>先定義一條完整展示旅程，再為其他既有功能列出驗證路徑。<br>若採教學範例或模擬，請在結果旁明確標示。<br>本機通過不能當成真實 LINE 或外部模型已驗證。</pre><pre>一般可逆決策採最簡單可行方案，自主執行、驗證並繼續。<br>需要憑證、不可逆操作、核心方向不清楚，<br>或框架明確要求人工作答時再停下來。</pre><pre>非核心技術調查最多十分鐘；無法解決就記錄並採替代方案。<br>如果簡化會刪掉必要的既有功能，請明確回報衝突。</pre><pre>如果只是流程或審查狀態需要恢復，保留已接受的答案、<br>既有實作、資料與失敗紀錄，只做必要驗證，不從頭重寫。</pre><pre>交付時分開列出：已實作、已測試、模擬、未驗證、已知缺陷。<br>不要把 workflow 完成當成正式上線就緒。</pre><p>這次我更能感受到，給 AI 的指令除了描述「我想要什麼」，也需要交代「我已經有什麼」。</p><p>上一篇，午餐 Bot 幫我看見：AI 可以把一個想法往前推，但人要決定終點。</p><p>這次，Zona Crystal 讓我多學到一件事：接手既有專案時，人還要說清楚哪些成果要被帶到終點。</p><p>我沒有得到一個完全不用介入、按一下就正式上線的 Bot。但我得到了一個可以接著展示的版本，也保留了原本累積的功能、做過的決策和還沒解完的問題。</p><p>下次拿出 Zona Crystal 教學時，除了展示卡片與追問，我也可以分享：這些功能原本在哪裡、這次怎麼整理，以及為什麼有些地方先做到這裡。</p><h3>專案與延伸閱讀</h3><ul><li><a href="https://github.com/zonawang/aidd-line-bot-crystal">Zona Crystal 專案程式與 README</a></li><li><a href="https://github.com/zonawang/aidd-line-bot-crystal/blob/main/aidlc/spaces/default/intents/261010-zona-crystal-mvp/ideation/scope-definition/scope-document.md">這次的全功能範圍：保留什麼、如何驗收</a></li><li><a href="https://github.com/zonawang/aidd-line-bot-crystal/blob/main/aidlc/spaces/default/intents/261010-zona-crystal-mvp/inception/requirements-analysis/requirements.md">新版需求規格</a></li><li><a href="https://github.com/zonawang/aidd-line-bot-crystal/blob/main/docs/zona-crystal-demo.md">無金鑰教學與 Demo 清單</a></li><li><a href="https://github.com/zonawang/aidd-line-bot-crystal/blob/main/aidlc/spaces/default/intents/261010-zona-crystal-mvp/mvp-handoff.md">MVP 交接：驗證結果、限制與後續工作</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f2ab30108207" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>