สร้าง LINE Chatbot ด้วย AI: คู่มือเตรียมพร้อมและสั่ง AI ทีละขั้นตอน

ถ้าคุณอยากสร้าง LINE Chatbot ที่ตอบคำถามลูกค้าโดยดึงข้อมูลจริงจากฐานข้อมูลของคุณเอง เช่น รายการคอร์ส ราคา สต็อกสินค้า หรือเงื่อนไขบริการ บทความนี้คือคู่มือว่าคุณต้องเตรียมอะไรบ้าง

ในบทความนี้ผมจะบอก Checklist สิ่งที่ต้องมีก่อนเริ่มสร้าง และ ยุทธวิธีสั่ง AI ทำระบบทีละสเต็ป พร้อมชุด Prompt ที่กด Copy ไปใช้ได้ทันที

ส่วนที่ 1: Checklist สิ่งที่ต้องเตรียมให้พร้อมก่อนเริ่ม (Prerequisites)

ก่อนจะเริ่มพิมพ์สั่ง AI แม้แต่บรรทัดเดียว ตรวจสอบให้แนใจว่าคุณเตรียมสิ่งเหล่านี้ครบถ้วนแล้ว:

1. ฝั่ง LINE Ecosystem (ช่องทางคุยกับลูกค้า)

• บัญชี LINE Official Account (LINE OA): สมัครและตั้งชื่อบัญชีธุรกิจให้เรียบร้อยที่ LINE Official Account Manager
• เปิดโหมด Messaging API บน LINE Developers Console: เข้าที่ developers.line.biz สร้าง Provider (ชื่อบริษัท/เจ้าของ) และสร้าง Channel ประเภท Messaging API ผูกเข้ากับ LINE OA นั้น

• จุดสำคัญที่คนมักลืมใน LINE OA Manager (manager.line.biz):
  • ไปที่เมนู ตั้งค่าการตอบกลับ (Response Settings)
  • โหมดข้อความตอบกลับ: เลือก Webhook = เปิด (Enabled)
  • ปิด ข้อความตอบกลับอัตโนมัติ (Auto-response) และข้อความทักทาย เพื่อไม่ให้ระบบสำเร็จรูปของ LINE ตอบแทรกแย่งกับบอท AI
• กุญแจเชื่อมต่อ 2 ตัวสำคัญ (Credentials):
  • Channel Secret: อยู่ในแท็บ Basic settings ของ Console (ใช้ยืนยัน Signature ว่า Webhook ถูกส่งมาจาก LINE จริง ป้องกันคนอื่นสวมรอยยิงข้อมูลปลอมเข้าเซิร์ฟเวอร์)
  • Channel Access Token (Long-lived): อยู่ในแท็บ Messaging API กด Issue ออกมา (ใช้เป็นใบเบิกทางให้โค้ดของคุณเรียก LINE API ส่งข้อความหาลูกค้า)

2. ฝั่งสมองกล AI และคลังข้อมูลธุรกิจ (AI & Database)

• API Key ของผู้ให้บริการ AI: เช่น Google Gemini API Key หรือ OpenAI API Key (ผูกบัตรเครดิตหรือเติมเครดิตเริ่มต้นไว้ให้พร้อมเรียกใช้งาน)

• แหล่งเก็บข้อมูลธุรกิจ (Business Database): เลือกระบบที่สะดวก เช่น Supabase (PostgreSQL), Firebase Firestore, Airtable หรือ Google Sheets พร้อมรวบรวมข้อมูลจริงเตรียมไว้ (เช่น รายการสินค้า, บริการ, คอร์สเรียน, ตารางราคา, คำถามที่พบบ่อย FAQ)

3. ฝั่งเซิร์ฟเวอร์และการเชื่อมต่อ (Hosting & Infrastructure)

• พื้นที่ Deploy โค้ดที่รองรับ HTTPS สาธารณะ: เช่น Vercel, Cloudflare Workers, Render หรือ Railway (เนื่องจาก LINE กำหนดให้ Webhook URL ต้องเป็น HTTPS สาธารณะเท่านั้น ส่งเข้า localhost หรือเครื่องคอมพิวเตอร์ส่วนตัวตรงๆ ไม่ได้)
• เครื่องมือทดสอบในเครื่อง (Local Tunnel): ติดตั้งโปรแกรมอย่าง ngrok หรือ Cloudflare Tunnel ไว้ สำหรับเจาะท่อทดสอบรับข้อความจาก LINE เข้าคอมพิวเตอร์ตัวเองในระหว่างการพัฒนา ก่อนจะ deploy ขึ้นระบบจริง

4. การกำหนดขอบเขตงานเบื้องต้น (Scope & Business Logic)

• ขอบเขตการตอบ: ต้องการให้ตอบเฉพาะ FAQ ทั่วไป หรือต้องค้นหาข้อมูลสด เช็กสต็อกสินค้า และคำนวณราคาจากฐานข้อมูลด้วย
• ระบบสลับคุยกับคนจริง (Human Handoff): มีปุ่มหรือคีย์เวิร์ดให้ลูกค้ากดขอคุยกับแอดมินหรือไม่ เมื่อคนเข้ามาตอบแล้วต้องการให้ AI หยุดตอบกี่นาที
• ช่องทางแจ้งเตือนแอดมิน: แจ้งเตือนผ่าน LINE แจือนส่วนตัว, Discord Webhook หรือ Telegram เมื่อมีเคสที่ AI ตอบไม่ได้

สรุปก่อนไปต่อ: ตั้งค่า Chatbot อยู่ตรงไหน — ฝั่ง LINE หรือฝั่งแอปเรา?

จาก Checklist ทั้ง 4 ข้อข้างต้น สรุปได้ว่างานแบ่งเป็นทั้งสองฝั่ง แต่คนละหน้าที่กันชัดเจน:

• ฝั่ง LINE Developers Console: ทำหน้าที่เป็นที่เก็บกุญแจและท่อส่งข้อความ (สร้าง Channel, ออก Secret/Token, เปิด Webhook) LINE จะไม่รู้เลยว่าบอทของคุณฉลาดแค่ไหน มันแค่ forward ข้อความที่ลูกค้าพิมพ์มาให้ endpoint ของคุณเป็น JSON เท่านั้น
• ฝั่งแอปที่คุณเขียนเอง (AI, Database, Hosting ตามข้อ 2-3): ทำหน้าที่เป็นสมองที่คิดว่าจะตอบอะไร โค้ดของคุณต้องตรวจลายเซ็น (x-line-signature ด้วย HMAC-SHA256), ค้นหาข้อมูลสินค้าใน Database, สั่ง AI ประมวลผลคำตอบ และตอบกลับผ่าน Reply API โดยใช้ replyToken

สรุปสั้นๆ ให้เห็นภาพ: LINE Console = ที่เก็บกุญแจและสวิตช์เปิด-ปิดช่องทาง / โค้ดของคุณ = สมองที่คิดว่าจะตอบอะไร

ส่วนที่ 2: ยุทธวิธีสั่ง AI ให้ทำระบบจริงทีละสเต็ป (Development Workflow)

สเต็ปที่ 1: สรุปภาพรวมและสถาปัตยกรรมระบบ (Architecture Brief)

เริ่มต้นด้วยการบอกบริบทและเครื่องมือที่คุณเลือกใช้สั้นๆ เพื่อให้ AI ออกแบบโครงสร้างไฟล์และเลือก Library ได้ตรงจุด ไม่เขียนโค้ดสะเปะสะปะ

• สิ่งที่ต้องบอก AI: เครื่องมือที่จะใช้ (Node.js / Python, ฝากโค้ดไว้ที่ไหน เช่น Vercel, ใช้ AI ตัวไหน เช่น Gemini API, ต่อฐานข้อมูลอะไร เช่น Supabase) และฟังก์ชันหลัก 1-2 อย่างที่จะเริ่มทำ
• ตัวอย่างพรอมต์ (กดปุ่มคัดลอกที่มุมขวาบนได้เลย):

เรากำลังจะทำระบบ LINE Chatbot สำหรับธุรกิจ [ระบุประเภท เช่น ร้านค้าออนไลน์ / บริการ] โดยรันบน Vercel (Node.js) เชื่อมต่อสมองกลด้วย Gemini 1.5 Flash และดึงข้อมูลจาก Supabase ก่อนจะเริ่มเขียนโค้ดทั้งหมด ช่วยสรุปโครงสร้างโปรเจกต์และไฟล์ที่จำเป็นต้องสร้างให้ดูหน่อย

สเต็ปที่ 2: จัดการความปลอดภัยของกุญแจลับ (Security First)

ห้ามพิมพ์ Channel Secret, Token หรือ API Key ลงในช่องแชท AI ตรงๆ เด็ดขาด เพราะประวัติแชทอาจรั่วไหลหรือถูกจัดเก็บบนระบบภายนอก

• แนวทางที่ถูกต้อง: ให้ AI เขียนโค้ดที่ดึงค่าผ่าน Environment Variables เสมอ (เช่น process.env.LINE_CHANNEL_SECRET, process.env.LINE_CHANNEL_ACCESS_TOKEN, process.env.GEMINI_API_KEY) พร้อมขอให้ทำไฟล์ .env.example เป็นแม่แบบ
• ตัวอย่างพรอมต์:

อย่าเพิ่งใส่ค่า Secret ในโค้ด ให้เขียนโค้ดที่ดึงค่าผ่าน process.env ทั้งหมด และช่วยทำตัวอย่างไฟล์ .env.example ให้หน่อย พร้อมอธิบายวิธีนำค่าเหล่านี้ไปกรอกใน Environment Variables ของ Vercel

สเต็ปที่ 3: ป้อนโครงสร้างฐานข้อมูล (Data Schema Definition)

หากต้องการให้บอทดึงข้อมูลสินค้าหรือบริการมาตอบ อย่าบอกแค่ “ดึงจากฐานข้อมูล” แต่ต้องส่งพิมพ์เขียวของตารางข้อมูลให้ AI เห็นอย่างชัดเจน

• สิ่งที่ต้องส่งให้ AI: ชื่อตาราง (Table Name), รายชื่อคอลัมน์และชนิดข้อมูล (Column Names & Types), ตัวอย่างข้อมูลจำลอง (Mock Data) สัก 1-2 แถว
• ตัวอย่างพรอมต์:

นี่คือโครงสร้างตารางใน Supabase ชื่อ products:
- id (int, primary key)
- name (text) - ชื่อสินค้า
- price (numeric) - ราคา
- stock (int) - จำนวนคงเหลือ
- status (text) - 'active' หรือ 'out_of_stock'

ช่วยเขียนฟังก์ชันค้นหาสินค้าตามคีย์เวิร์ดที่ลูกค้าพิมพ์ถามเข้ามา โดยดึงเฉพาะรายการที่ status = 'active' เท่านั้น

สเต็ปที่ 4: กำหนดขอบเขตและตรรกะธุรกิจ (Scope & Guardrails)

ระบุขอบเขตให้ชัดเจนว่า AI มีหน้าที่อะไร และอะไรคือสิ่งที่ไม่ควรทำ เพื่อป้องกันการตอบข้อมูลผิดพลาด (Hallucination)

• System Prompt / Persona: บอทพูดมีหางเสียงอย่างไร, สรุปใจความสั้นกระชับเหมาะกับหน้าจอแชทบนมือถือ
• Fallback Plan: ถ้าค้นหาข้อมูลไม่พบ หรือเจอลูกค้าสอบถามเรื่องซับซ้อน ให้ตอบข้อความกลางๆ อย่างไร
• Human Handoff: เงื่อนไขเมื่อลูกค้าต้องการคุยกับคนจริง เช่น บันทึกสถานะหยุดบอทชั่วคราว แล้วส่งแจ้งเตือนเข้ากลุ่มแอดมิน
• ตัวอย่างพรอมต์:

ช่วยเขียน System Prompt ให้บอทตอบในฐานะแอดมินร้าน พูดจาสุภาพกระชับ ถ้าข้อมูลที่ลูกค้าถามไม่มีอยู่ในผลลัพธ์จากฐานข้อมูล ให้ตอบว่า 'ขออภัยค่ะ ไม่มีข้อมูลส่วนนี้ เดี๋ยวประสานงานแอดมินให้สักครู่นะคะ' ห้ามแต่งข้อมูลขึ้นมาเองเด็ดขาด และหากลูกค้าพิมพ์ 'คุยกับแอดมิน' ให้ข้ามการเรียก AI แล้วส่งข้อความตอบกลับพร้อมยิงแจ้งเตือนไปที่ Discord Webhook ทันที

สเต็ปที่ 5: พัฒนาแบบแบ่งเฟสและทดสอบจริงทีละจุด (Iterative Milestones)

แบ่งงานออกเป็น 3 เฟสย่อย และทดสอบให้ผ่านจริงทีละเฟสก่อนข้ามไปขั้นถัดไป:

ตัวอย่างคำสั่งเริ่มเฟส 1:

ตอนนี้เรามาทำ เฟส 1 ก่อน: ขอเฉพาะโค้ด Webhook ขั้นพื้นฐานที่ตรวจ Signature ของ LINE ได้ถูกต้อง และตอบกลับข้อความเดิมแบบ Echo Bot ยังไม่ต้องเชื่อมต่อ AI หรือ Database เอาให้แน่ใจว่าระบบรับ-ส่งข้อความกับ LINE สำเร็จก่อน

สเต็ปที่ 6: ขอให้ AI สรุปขั้นตอนนอกโค้ด (Dashboard Action Items)

เนื่องจาก AI เขียนโค้ดได้อย่างเดียว แต่ไม่สามารถคลิกตั้งค่าระบบภายนอกแทนเราได้ ทุกครั้งที่เขียนระบบส่วนใดเสร็จ ให้สั่งประโยคปิดท้ายเสมอ:

หลังจากเขียนโค้ดชุดนี้เสร็จแล้ว ช่วยสรุปเป็น Checklist สั้นๆ ให้ด้วยว่า มีการตั้งค่าอะไรบ้างที่เราต้องเข้าไปคลิกทำเองบนหน้าเว็บ (เช่น LINE Developers Console, หน้า Vercel Dashboard, หรือหน้า Supabase Dashboard) ระบุชื่อเมนูและจุดที่ต้องวาง URL ให้ชัดเจน

ตัวอย่างชุดคำสั่งตามลำดับ (Prompt Sequence Roadmap)

คุณสามารถกดปุ่มคัดลอก (Copy) ที่มุมขวาบนของแต่ละกล่องข้อความ แล้วนำไปคุยกับ AI ทีละรอบเพื่อสร้างระบบจริงได้เลยครับ:

รอบที่ 1: วางสถาปัตยกรรมและ Echo Bot

เราจะสร้าง LINE Bot ธุรกิจด้วย Node.js (รันบน Vercel Serverless Function)
ช่วยเขียนโค้ด Webhook ตัวแรกสุดแบบ Echo Bot (พิมพ์อะไรมา ตอบกลับแบบนั้น)
โดยมีการ Verify Signature ด้วย LINE Channel Secret และตอบกลับด้วย Reply Token
กรุณาทำไฟล์ .env.example มาให้ด้วย และสรุปขั้นตอนที่ต้องเอา Webhook URL ไปวางใน LINE Developers Console

👉 ทดสอบแชทจริงในมือถือ: เมื่อบอทส่งข้อความเดิมกลับมาได้ถูกต้อง ค่อยไปรอบถัดไป

รอบที่ 2: เชื่อมต่อฐานข้อมูล

Echo Bot ทำงานได้แล้ว ตอนนี้ต้องการให้บอทดึงข้อมูลสินค้าจาก Supabase
นี่คือโครงสร้างตาราง [ใส่ Schema ตารางสินค้า เช่น id, name, price, stock]
ช่วยเขียนฟังก์ชันค้นหาสินค้าตามคำค้นหา และเชื่อมเข้ากับ Handler ของ Webhook ให้หน่อย

👉 ทดสอบค้นหาสินค้า: ได้ข้อมูลถูกต้อง ค่อยไปรอบถัดไป

รอบที่ 3: เชื่อมสมองกล AI

ฐานข้อมูลต่อสำเร็จแล้ว ขั้นตอนนี้จะนำ Gemini 1.5 Flash เข้ามาประมวลผลคำตอบ
ช่วยเขียนฟังก์ชันนำคำถามลูกค้า + ข้อมูลสินค้าที่ค้นพบ ส่งให้ Gemini สรุปคำตอบอย่างสุภาพ
ถ้าไม่พบสินค้า ให้ตอบสุภาพว่าไม่มีสินค้า ห้ามเดาราคาหรือแต่งข้อมูลเองเด็ดขาด

👉 ทดสอบการตอบคำถาม: บอทตอบสุภาพและตรงตามข้อมูลจริง ค่อยไปรอบถัดไป

รอบที่ 4: ระบบส่งต่อคนจริง (Human Handoff)

ระบบ AI ตอบได้ดีแล้ว ขั้นตอนสุดท้าย: ถ้าลูกค้าพิมพ์ว่า 'ติดต่อเจ้าหน้าที่'
ให้บอทส่งข้อความแจ้งเตือนไปที่ Discord Webhook URL [ระบุตัวแปร DISCORD_WEBHOOK_URL]
พร้อมทั้งตอบลูกค้าว่า 'รอสักครู่ เจ้าหน้าที่จะเข้ามาดูแล' และหยุดบอทไม่ให้ตอบลูกค้ารายนี้เป็นเวลา 15 นาที

👉 ทดสอบขอคุยกับคน: บอทหยุดตอบ และมีแจ้งเตือนเด้งเข้ากลุ่มแอดมินจริง

บทเรียนจากของจริง (จุดที่มักพลาดบ่อยที่สุด)

• Channel Access Token คือกุญแจเต็มระบบ: ใครมี Token นี้สั่งงาน LINE OA แทนคุณได้ทั้งหมด (ส่งข้อความหาทุกคน เปลี่ยน Rich Menu ดึงข้อมูลผู้ติดตาม) ห้ามหลุดออกไปที่ไหนเด็ดขาด และต้องเก็บเป็น Environment Variable ในระบบ ไม่ใช่ hardcode ติดโค้ด
• ต้อง Verify Signature ทุกครั้ง: ไม่งั้นใครก็สามารถยิง Fake Webhook ปลอมแปลงข้อมูลเข้าเซิร์ฟเวอร์ของคุณได้
• replyToken ใช้ได้ครั้งเดียวและมีอายุจำกัด: หากระบบของคุณต้องประมวลผลนานเกินกำหนด หรือต้องการส่งข้อความตามหลัง ต้องเปลี่ยนไปใช้ Push API แทน
• ต้องมีกลไกสลับโหมด AI ↔ แอดมิน: ป้องกันไม่ให้ AI ตอบแทรกตอนแอดมินเข้ามาคุยเองในแชท ทำให้ลูกค้าสับสน
• ตรวจสอบ Message Quota ของ LINE เป็นระยะ: โดยเฉพาะหากใช้ Push API ส่งข้อความเชิงรุกบ่อยๆ เพราะมีโควตาข้อความจำกัดต่อเดือนตามแพ็กเกจ LINE OA