LINE AIアプリ開発：LINEプラットフォーム向けインテリジェントアプリケーション構築

LINE Platform（ユーザー）
       |
       v
  LINE Messaging API / LIFF SDK
       |
       v
  APIゲートウェイ（レート制限、認証）
       |
       v
  アプリケーションサーバー（Next.js / Node.js）
       |
       +---> AIサービスレイヤー
       |        |---> NLPエンジン（Gemini / GPT）
       |        |---> Vision API
       |        |---> レコメンドエンジン
       |
       +---> データレイヤー
       |        |---> PostgreSQL
       |        |---> Redis（キャッシュ）
       |        |---> Vector DB（RAG）
       |
       +---> 外部サービス
                |---> LINE Channel API
                |---> LINE Pay
                |---> クラウドストレージ

const techStack = {
  frontend: {
    framework: "Next.js 16 (App Router)",
    liffSdk: "@line/liff v2.24+",
    ui: "TailwindCSS + shadcn/ui",
  },
  backend: {
    runtime: "Node.js 22 LTS",
    database: "PostgreSQL + Prisma ORM",
    cache: "Redis / Upstash",
    queue: "BullMQ（非同期AI処理用）",
  },
  ai: {
    llm: "Google Gemini 2.5 Pro / OpenAI GPT-4o",
    vision: "Google Cloud Vision API",
    vectorDb: "Pinecone / pgvector",
  },
};

// app/api/webhooks/line/route.ts
import { NextRequest, NextResponse } from "next/server";
import crypto from "crypto";

const CHANNEL_SECRET = process.env.LINE_CHANNEL_SECRET!;

function verifySignature(body: string, signature: string): boolean {
  const hash = crypto
    .createHmac("SHA256", CHANNEL_SECRET)
    .update(body)
    .digest("base64");
  return hash === signature;
}

export async function POST(req: NextRequest) {
  const body = await req.text();
  const signature = req.headers.get("x-line-signature") || "";

  if (!verifySignature(body, signature)) {
    return NextResponse.json({ error: "無効な署名" }, { status: 401 });
  }

  const { events } = JSON.parse(body);
  Promise.all(events.map(processEvent)).catch(console.error);
  return NextResponse.json({ status: "ok" });
}

// services/ai-message-handler.ts
import { GoogleGenerativeAI } from "@google/generative-ai";

const genAI = new GoogleGenerativeAI(process.env.GEMINI_API_KEY!);

async function generateAIResponse(
  message: string,
  context: ConversationContext
): Promise<string> {
  const model = genAI.getGenerativeModel({ model: "gemini-2.5-pro" });

  const systemPrompt = `あなたはビジネス向けの親切なLINEアシスタントです。
ユーザー: ${context.userData.name || "お客様"}
言語: ${context.userData.language || "自動検出"}

ルール:
- ユーザーメッセージと同じ言語で応答
- LINE表示に最適な300文字以内で応答
- フレンドリーかつプロフェッショナルに`;

  const result = await model.generateContent(`${systemPrompt}\n\nユーザー: ${message}`);
  return result.response.text();
}

async function handleImageMessage(event: LineMessageEvent) {
  const imageBuffer = await downloadLineImage(event.message.id);
  const analysis = await processProductImage(imageBuffer);

  if (analysis.products.length > 0) {
    return sendProductCarousel(event.replyToken, analysis.products);
  }

  return replyText(
    event.replyToken,
    `検出: ${analysis.labels.slice(0, 3).join("、")}。何かお手伝いできますか？`
  );
}

async function sendRecommendations(userId: string) {
  const profile = await getUserProfile(userId);
  const recommendations = await getRecommendations(profile);

  const flexMessage = {
    type: "flex",
    altText: "あなたへのおすすめ",
    contents: {
      type: "carousel",
      contents: recommendations.map((product) => ({
        type: "bubble",
        hero: { type: "image", url: product.imageUrl, size: "full" },
        body: {
          type: "box",
          layout: "vertical",
          contents: [
            { type: "text", text: product.name, weight: "bold" },
            { type: "text", text: `¥${product.price}`, color: "#06C755" },
          ],
        },
        action: { type: "uri", uri: product.url },
      })),
    },
  };

  await pushMessage(userId, flexMessage);
}

async function ragQuery(question: string, userId: string): Promise<string> {
  const embedding = await generateEmbedding(question);
  const relevantDocs = await vectorDb.query({
    vector: embedding,
    topK: 5,
    filter: { locale: getUserLocale(userId) },
  });

  const context = relevantDocs.map(doc => doc.metadata.content).join("\n---\n");

  const genAI = new GoogleGenerativeAI(process.env.GEMINI_API_KEY!);
  const model = genAI.getGenerativeModel({ model: "gemini-2.5-pro" });

  const prompt = `以下のナレッジベースに基づいて質問に答えてください。
回答がコンテキストにない場合は正直にそう伝えてください。

コンテキスト:
${context}

質問: ${question}

質問と同じ言語で回答してください。LINEメッセージング用に簡潔に。`;

  const result = await model.generateContent(prompt);
  return result.response.text();
}

async function routeBySentiment(message: string, userId: string): Promise<"ai" | "human"> {
  const sentiment = await analyzeSentiment(message);

  if (sentiment.emotion === "angry" || sentiment.score < -0.6) {
    await notifyHumanAgent(userId, message, sentiment);
    return "human";
  }

  return "ai";
}