LINE Developer Day 2019 現場筆記 (二) - 關於LIFF的改變與未來

作者： -

我在現場看到LINE日籍講師使用 VS Code作為主要的開發工具，還頗讓人驚豔的

緣起

前陣子，LINE推進了LIFF這個框架來到 v2的版本，v1到v2是一個很大的改變，一般來說，我們改變主版號(from 1 to 2)意味著新釋出的版本將跟前一版有著不相容性，也就是一個重大的breaking changes，也確實，v2版本增加了很多亮眼的新功能，像是QR Code掃描、外部瀏覽器支援…等。

還不只如此，LINE 11/11發布了一個我認為很重大的消息:

Users can no longer add LIFF apps to Messaging API channels

看到這個消息的第一眼，我只有一堆問號…，WHY? 為何LIFF 2未來只能從LINE Login新增LIFF，為何將要取消過去LIFF綁在Bot(Messanging API)身上的方式???

我相信不只我有這個疑惑，很多熟悉LIFF的開發人員也是。我心裡始終帶著這些問號，來參加了今年的LINE Developer Day，當然，我希望能找到答案。

LIFF的改變

在Day 2關於LIFF的場次中，講師不免俗地把LIFF的歷史交代了一下:

其實從v1到v2也不過就是一年的時間，但重點當然不是歷史啊，重點是改變。到底有那些改變呢? 那得看當前的LIFF有些什麼:

上面這三張看似平淡無奇的投影片，其實是接下來講者埋的梗，我得說，後面看到差異的時候，是頗讓人興奮的。上面第一張投影片的Easy Development是理所當然，LIFF可以透過純HTML方式開發，且運行上是無需伺服器端的，但我們也知道，當前的LIFF只能運行在LINE的WebView環境，即便是開發方式和一般的HTML頁面相同，你還是會碰到像是開發階段難以debug之類的困擾。

是的，v1的LIFF是很難偵錯的，因為你必須在手機環境上(LINE的內部WebView)才能執行。我忍不住直接破梗好了，講者在最後ending的時候，上面第一張slide變成了：

with LIFF v2，你可以在手機的外部瀏覽器上運行，這也表示，你有機會可以在一般的瀏覽器上進行開發和除錯。對，你沒聽錯，過去非得在手機裡測試偵錯的時代即將過去了，當你用LIFF v2架構開發搭配SDK，基本上你的開發根本就像是一個純Web Application(只是這個App可以取得用戶的LINE身分，可以在手機上透過LINE與用戶互動)…

這甚麼道理呢? 請看…

因為LIFF 2本質上做了很大的一個改變，過去的liff，網址是  line://app/{liffId} 這樣的形式，但改版後的v2，可以寫成 https://liff.line.me/{liffId}/  這樣的 web (https) scheme，這意味著你將有機會可以在一般的瀏覽器中運行和除錯，講者示範了用VS Code開發和單步執行偵錯的展示：

用VS Code來Run和Debug耶，我差點要站起來鼓掌了!!!

這件事情超級重要的啊，這有機會解決過去LIFF很難開發和除錯的問題，但這個技術的背後是什麼道理? 為何能夠讓原本不能在一般瀏覽器上運行的LIFF，可以同時在LINE內建WebView與一般的瀏覽器上都可以運作呢?

這是講師在上面那三張平淡且樸實無華的Slides中埋下的第二個梗：

v2的LIFF deeplink，可以自動handles不同的用戶環境。什麼意思? 這就是我個人認為(官方沒有明確這麼說)v2會開始與LINE Login綁定的一個很重大原因了。

請回頭想想第一版的LIFF，第一版的LIFF功能不多，充其量只是在手機中抓取當前用戶的身分(User ID)，但因為必須卡在LINE的手機WebView裡面，所以liff在很多環境是無法使用的(例如PC Desktop/iPad…etc.)，但從上面的v2改變中你可以發現，v2之後的LIFF，本質上真的變成了一個純Web Application，既然可以採用 https://liff.line.me/{liffId}/   這樣的deeplink，這意味著透過v2開發的LIFF將可以有機會跨出LINE手機上的WebView。

但，跨出去之後怎抓取用戶身分，與用戶互動呢? 這一刻我懂了，它骨子裡其實就是倚賴LINE Login嘛，當與LINE Login整合之後，LIFF將有更高的可能性，更大的自由度。在手機裡它就像是一小程序，而跨出了手機，就是一個可以透過LINE Login抓取到用戶身分的Web Application，這樣的發展方向，非常讓人期待!

什麼是 Mini App?

說到了發展方向，就不能不提到Mini App, 在day 2的keynote中，我們有機會驚鴻一瞥:

它是什麼? 不知道你有沒有注意到，在你的LINE個人主頁下，有一個『服務』圖示，該圖示底下其實有著各式各樣的額外功能，LINE Music、LINE TAXI、LINE購物…等。

如果，有一天我們開發的LIFF可以透過這樣的方式呈現，和LINE更多的整合在一起，甚至可以從市集當中找到，豈不是頗讓人期待？是了，這就是即將出現的LINE Mini App。而對於開發人員來說，我們在意的是，Mini App到底如何開發?

根據我們在Booth現場直擊詢問LIFF開發團隊的的第一手資料顯示，Mini App基本上就是LIFF的變形，雖然目前僅開放給LINE的合作夥伴，但未來將有很大的發展可能性，我們既然人在現場，當然也不客氣地為LIFF開發人員發聲，建議LIFF也能提供類似App Store這樣市集，讓大家可以自由的上架自己的LIFF(或未來的Mini App)，開發團隊也熱情的表示，將會傳達我們的聲音與需求：

NEW APIs

當然，如果LIFF改版沒有推出一些新的API，肯定無法滿足各界的期待的…

這些在路上的API相當多，不過由於部分涉及用戶權限的授予，某些API還需要一點時間才能陸續開放(我猜可能也是要搭配line developer後台的一些選項配置):

但這些APIs的出現將會很令人期待。

對了，人都已經到了會場，很多人關切LIFF的V2版本中，有一個掃描QR Code的API似乎在android手機上有些問題(android無法掃描非 https:// 開頭的QR Code內容，請參考這邊，你會發現iOS可以掃描電子發票，但此功能在android上卻無法實現)，這部分我們當然也不客氣地問了，現場LIFF PM承諾，將會在年底前的改版解決，我們當場拍照存證留念(哈~):

總的來說，LIFF v2對開發人員釋出了不少利多，Deeplink、新的API是我最感興趣部分，當然，還有TypeScript的支援、以及在外部瀏覽器上的supports，這些都讓LIFF開始朝向一個更有想像空間的方向發展：

而LIFF v2.1的LINE Mini App，是否會帶來市場上更多的騷動呢? 這也將是一個頗讓人引頸期盼的feature：

以為這樣就結束了嗎?

講者在最後的最後，丟出了這張slide:

果不其然，SDK發展的差不多之後，UI/UX將會是下一個階段的重點，如同bootstrap一般，估計LINE也會推出自己的LIFF UI框架，讓LIFF UI有著更一致且美觀的呈現效果。

而緊接著在UI/UX之後呢? 大概這一張slide可以讓粉絲們對LIFF的遠景更充滿期待了…

結語

要推出一套好的軟體產品不是最難(其實我覺得已經很難 >_< )，但軟體服務或產品想獲得長遠的成功，關鍵在於，周遭的生態系是否健全。

是的，你已經天天在使用LINE了，但這還不夠，當有更多的廠商，圍繞起LINE開發出更多的生活應用與服務時，才會建構出堅不可摧的城牆。

而這關鍵，就是LIFF...由此你不難得知，LINE對LIFF和Mini App將會有著如何的期待，對於開發人員來說，藉由一個成熟的平台，在足夠多且普及的用戶環境中，更能夠放手一搏，有機會將自己的應用創造更大的價值。

這一切，使LIFF的未來更讓人期待…


LINE Developer Day 2019 現場筆記 (一) - 看見LINE、開發者、未來
LINE Developer Day 2019 現場筆記 (三) – LINE Bot 與 DevOps

留言

Daniel表示…
請問我打開LIFF頁面進入登入授權頁時看到授權項目沒有(發訊息到聊天室) 這項.我看其他人測試都說會有這項授權.請問是哪需要設定嗎?

不知道是不是這樣導致我使用sendMessages函數會失敗
2020年4月1日 晚上7:05
張貼留言

這個網誌中的熱門文章

使用LM Studio輕鬆在本地端以API呼叫大語言模型(LLM)

作者： -
圖片
最近上課常被問到，如何在地端環境搭建出大語言模型(LLM)，並且呼叫其API。 一開始我不太理解為何會有這樣的需求(因為在地端自行搭建運行LLM的成本不一定比較低，即便可能比較安全)，但被問多了，也就開始遍尋相關的解決方案，看看有沒有什麼最簡單的方式，可以讓開發人員在地端測試大語言模型? 後來我選擇 LM Studio ，它就是一款設計來運行大型語言模型（LLM）的平台，有個算是挺優雅的整合環境，讓一般 end-user 或開發人員，都可以輕易地在 local 端進行模型的部署和測試。 LM Studio 本身支援多種模型架構和框架，當然，最重要的是，它是免費的。 下載安裝 都很容易，我就不多說。 安裝好之後，你可以看到首頁中已經呈現了許多 Hugging Face上的模型： 這顯然是因為Hugging Face是大部分免費開源模型的集散地。 你可以搜尋自己喜歡的模型，透過LM Studio下載到local之後，就可以直接載入(下圖一)： 隨手設定一下 system prompt(上圖二)，然後，就可以直接對談了。(上圖三) LM Studio會使用你的GPU進行運算(如果有的話)，你會發現，原來有好的設備(GPU)，運行的速度可以如此之快。 Local Server 對於開發人員來說，它還有個超級更友善的功能。 LM Studio本身還提供一個 local server，可以幫你把模型包裹起來讓你直接透過API呼叫該模型的功能，例如： 上圖是我們開啟 LM Studio中 Local Server功能後的結果，你可以透過 localhost 的 1234 port 來呼叫這個被 LM Studio 運行起來的大語言模型。(有沒有發現，我們用的也是 chat/completions API) 透過Postman簡單提供一下 JSON Body: { "model": "LM Studio Community/Meta-Llama-3-8B-Instruct-GGUF", "messages": [ { "role": "system", "content": "你是AI助理，請一律用繁體中
Read more »

VS Code的字體大小

作者： -
圖片
身為.net developer，這年頭是什麼code都得要會寫的年代。 而雖然我的NB還沒從Windows淪陷為Mac OS，但寫Node.js和Python免不了要用VS Code，這是一種愛的表現。 但歲月不饒人，盡管微臣非常熱於配合，但VS Code預設字體的大小在我還沒錢買大尺寸螢幕的狀況下，實在讓老臣難以適應。當下的第一個反應是什麼? 當然是 Ctrl+滑鼠滾輪往上推…哇靠，沒用。看…這設計…恩，千錯萬錯一定是我的錯。 只好從選單 file –> Preferences –> Settings: 在出來的視窗中，你可以看到 editor.fontsize: 沒錯，改它就行了。改不動? 喔，不好意思，我沒仔細看說明，要copy到右邊是吧，沒問題，copy->paste->modify->Save…搞定。 好簡單啊…連ctrl+(mouse scroll up)都用不到了呢… 咦?這是一篇抱怨文嗎? 沒有，誰說的? 免費的tool我們還有什麼好抱怨的呢…要感恩啦。 啊….對了，如果你還是堅持要使用 Ctrl+滑鼠滾輪，請找關鍵字… "editor.mouseWheelZoom"
Read more »

使用 Dify 建立企業請假機器人

作者： -
圖片
八卦與未來 上個月，前Google執行長Eric Schmidt在史丹福有場演講，媒體關注的是八卦消息(如果你也曾關注，網路上有很多鐵定可以找到)，但我注意到的則是他提到了自己認為接下來 AI(特別是大語言模型) 可能的發展方向，包含: Large Context Window AI Agent Text-to-Action 底下這邊有這一個段落的影片： https://www.youtube.com/watch?v=zl3k1ksFZdY 為何我會關注這部分? 因為上述的三個方向，也是身為開發人員的我，過去這一年，來與LLM打交道後的感想。昨天，我在 twMVC 的研討會分享中，展示了一個其實我過去早做過了N百次的範例，就是企業的請假機器人。(唯一不同的是，這次我幾乎沒有寫任何程式碼) 場景是，員工在家裡生病了，想要透過語音或是app進行請假，你可以看底下這個運行的範例 (git圖檔會循環播放，開始是 『我好像感冒了』)： 用自然語言對談的方式，即可完成請假。 我說過，類似這樣的範例我做過很多次，用 LINE Bot 搭配 C# 做過，用MS Bot Framework 做過，前陣子也用 Semantic Kernel 框架做過，更早期，還沒有AI的時代，我也在EIP和HR系統裡做過。 但我想說的是，這 就是 Text-to-Action 的呈現，也是一個典型的 AI Agent 的例子，它讓我們透過自然語言(可以是語音或文字)，直接命令機器人(Chat Bot、AI 助理、Agent、Assistant …不管你叫它什麼…)幫你完成一件事情(請假、售票、查詢資料、做財務報表、統計圖表、寫程式…etc.)。 這是一直以來人類對電腦最底層的需求與期待。 隨著 LLM 能夠處理和記憶的 Context 愈來愈被放大，AI Agent 所能夠處理的任務就更加的不受限制。 自然語言才是最符合人類直覺的操作 順帶一提，我昨天在研討會中講了一個故事。 有天，你覺得自己需要聘請一位助理，因此上網張貼徵人啟事，沒多久，你找到了一位號稱上知天文、下知地理的高材生，來幫助你更有效率的完成工作。 他什麼都好，唯一的一個小缺點是，你不能直接對這個助理下達指令，你必須用一種只有這個助理看得懂的語法，才能要求這個助理幫你完成特定的工作。這些語法還挺
Read more »

使用C#開發LineBot(3) - 使用LineBotSDK發送Line訊息

作者： -
圖片
新版的Line Messaging API，要主動發送訊息給用戶不是很困難，主要是透過Push API，可以參考底下的官方說明 : https://devdocs.line.me/en/#push-message 另外，如果你想申請一個Line Bot，可參考: 關於LineBot (1) - 用c#建立一個LineBot 前陣子說過，我們為了團隊開發方便，做了一個 Nuget Package 以便於讓撰寫C#的開發人員可以方便的進行Line Messaging API的操作。 所以，如果你想要透過該SDK來發送訊息給用戶，可以透過底下的指令: isRock.LineBot.Utility.PushMessage(               UserId, 要傳送的訊息, AccessToken); 別忘了使用前，要先引用linebotSDK這個套件: 當您在.net 4.x的專案中，安裝上述lintbotSDK，即可透過前面提到的指令發送訊息給用戶，但請注意，該用戶必須加你的bot為好友。 你可能在使用時會碰到一個問題，怎麼知道用戶的id呢? 請注意，PushAPI的Line用戶id並非你的line ID，而是一長串項是底下這樣的id: U6OX388eOX3634X2OX2e341OX06b8OX4123 這個ID會在你的用戶跟你的bot交朋友，或是對談的時候，由系統傳送給你所設定的WebHook網址(其本質上是一個asp.net WebAPI或類似的API服務)。你會在Line傳遞給該WebHook URL的封包中的JSON形式資料內獲得。 也就是說，當你的用戶傳訊息給你的Bot，或是與你的Bot做朋友(或封鎖)，你所在你的LineBot後台，所設定的這個WebHook，都會收到這些相關的訊息。其設定位置如下: 訊息內容是以JSON的格式出現。 但是，如果你還不知道怎麼寫一個WebHook，該怎麼辦呢? 寫個WebHook其實很簡單，以asp.net來說，就是寫一個asp.net WebAPI即可。(有空我再說明，但今天比較沒空) (2017更新，WebHook開發方式請參考 這裡 ) 如果你沒空寫，可以先用底下這個工具(注意這個工具 僅限測試使用 ，我們不保證其穩定性與可用性、與資料安全性): http://isbaas.azurewe
Read more »

使用Qdrant向量資料庫實作語意相似度比對

作者： -
圖片
什麼是向量資料庫? 在許多的AI實作當中，都有向量資料庫的使用需求。例如RAG(檢索增強生成)、或是資料的相關性比對、相似性搜尋…等，這些應用情境中，我們都會用到向量資料庫。 向量資料庫主要的任務，當然就是存儲和查詢向量數據。被儲存的向量數據通常是高維度的資料，以陣列(集合)的形式呈現。 例如，OpenAI就有提供一組Embedding API，讓我們可以把文字給向量化。你可以透過該 API，把一句話(一段文字)轉換成向量數據，類似底下這樣： OpenAI 的這組 Embedding API，在預設狀況下，會把資料轉成 1536 維度的向量數據，其背後的行為是把文字送給一個訓練好的模型，透過該模型跑出這組向量數據，再回傳給用戶。 然而，把一段文字給向量化的目的是什麼呢? 當我們把文字做了這種轉換後，在 1536 維度的座標空間(向量數據)中，愈相似的文字，透過Embedding API會得到距離愈接近的座標點，藉此，我們得以迅速的判斷兩段文字在語意上的相似性。 而向量資料庫中所謂的查詢功能，主要就是向量的檢索，像是『近鄰搜索（Nearest Neighbor Search）』，當用戶或應用程式提交一個向量查詢時，向量資料庫會幫我們找出資料庫中，與之最相似(接近)的向量座標點。 因此，開發人員只需要透過 Embedding API，把文字轉成向量，再把轉換好的向量座標值，儲存到向量資料庫之中，未來就可以透過向量資料庫來查詢相似(接近)的文字。 關於這個部分，如果讀者有興趣，前陣子有段網路上的影片把多維度向量資料庫的概念介紹的蠻清楚的: https://www.youtube.com/watch?v=W_ZUUDJsUtA https://www.youtube.com/watch?v=ct20Kv8yn0U 為何需要? 向量資料庫最實務上的應用，就是找到類似的特徵值。 例如，當我們把人臉的特徵值以向量資料的形式儲存到向量資料庫中之後，我們就可以透過資料庫本身提供的搜尋功能，快速地尋找出相似的人臉，這也是許多AI應用實現的基礎。 我們底下的程式碼範例，則是找出最接近的問題。(呃…什麼意思?🤔 請往下繼續看) 我們在建立對談機器人時候，常常需要讓機器人回答用戶的問題。這時，我們會讓用戶輸入問句，然後透過 Embedding API
Read more »