ShopAI 實戰日誌：用 72 小時打造餐飲 AI 客服平台

用 Claude Code 的 /deep-interview 功能做了 40 分鐘的需求釐清。AI 問了 23 個問題，把模糊的「餐飲 AI 客服」變成 38 個具體功能點。

核心架構決策：多租戶 SaaS 模型，每個餐廳是一個 tenant，共享基礎設施但資料完全隔離。資料庫 schema 設計用 Prisma：

model Restaurant {
  id            String    @id @default(cuid())
  name          String
  lineChannelId String    @unique
  knowledgeBase Json      // 餐廳知識庫：菜單、營業時間、常見 QA
  conversations Conversation[]
}

model Conversation {
  id           String   @id @default(cuid())
  restaurantId String
  userId       String   // LINE user ID
  messages     Message[]
  isEscalated  Boolean  @default(false)
}

把任務清單交給 Claude Code 的 /ralph 自主模式。7 小時後回來：23 個 API endpoints 完成，67 個測試全部通過，還額外加了 rate limiting 和 request logging。

LINE webhook 有嚴格的 HMAC-SHA256 簽名驗證機制，body 必須是 raw bytes，不能先被 JSON.parse 處理。

fastify.addContentTypeParser(
  'application/json',
  { parseAs: 'buffer' },
  async (req, body) => {
    if (req.url.startsWith('/webhook/line')) {
      const signature = req.headers['x-line-signature'];
      verifyLineSignature(body, signature);
    }
    return JSON.parse(body.toString());
  }
);

這是 AI 客服品質的關鍵。最終版本的核心設計：加入 [ESCALATE] token——AI 判斷需要轉人工時在回覆中插入這個 token，後端攔截後自動標記並通知餐廳老闆。

你是「{餐廳名稱}」的 AI 客服助理。

## 餐廳資訊
{knowledge_base_json}

## 回覆原則
1. 只回答你有把握的問題
2. 不確定時誠實說「這個問題我需要請同仁確認」
3. 需要預訂或特殊需求時回覆 [ESCALATE]
4. 回覆長度控制在 100 字以內

• P50 回應時間：0.9 秒
• P99 回應時間：3.1 秒（Claude API latency 佔大部分）
• 加了 retry 邏輯後錯誤率從 0.3% 降到 0.01%

• 處理訊息：847 則
• AI 自動回覆率：91.3%（773 則）
• 轉人工率：8.7%（74 則）
• 平均回應時間：1.2 秒