前面的實作都是將對話編號寫死為 default 接下來我們要讓每個使用者開啟後都能夠產生一個新的對話，而且持續 60 分鐘都可以使用相同的對話串來進行購物。

最近看到 n8n（自動化工作流程平台）的更新中加入了 LINE Messaging 的社群節點，花了一點時間研究才發現好心人竟然是自己。

因為已經有 n8n Line Messaging 社群節點教學以及 n8n Line API 串接教學：從零開始，打造你的專屬 AI 通知機器人兩篇文章介紹使用方式，這篇文章就來聊一下作者角度的看法。

可以查詢商品後，我們就可以透過對話得到能購買的商品，那麼就可以加入更新購物車商品的設計。基於前面我們已經有很多基礎，加入新功能的速度會快上不少。

撰寫本文時 Claude Code 變得非常熱門，後續的文章會使用 Claude Code 作為範例。

處理完讀取購物車資訊後，我們還需要讓使用者可以取得能購買的商品。因為是對話式的介面，所以需要將查詢商品的功能變成 AI 助手工具的一部分，雖然會因為語言模型的能力影響好用程度，不過以實驗性專案的情境還是蹭有趣的。

購物車側欄第一階段的 API 處理完畢後，我們一樣需要重構為 Use Case 來保持架構的一致性，以及後續的可擴充性，我們會繼續使用 AI 來協力完成這個修改。

目前對話功能除了保存紀錄外，已經是處於可以使用的狀態。接下來我們要繼續把購物車的側邊欄介面實現出來，用來呈現商品列表。

驗證大型語言模型可以順利整合後，我們需要繼續依照 Clean Architecture 的處理方式將物件拆分開來，在對話紀錄的處理上我們已經完成過一次，基本上只要依照相同的方式處理即可。

我們現在已經可以將假的對話資料傳到前端呈現出來，接下來我們繼續讓前端的對話可以實際使用 LLM（大型語言模型）產生的訊息，因此我們需要先加入一個新的 API 端點以及更新介面將對話發送到後端。

原本預定要釋出八月份在 COSCUP 演講內容應用的技巧所產出的工具，然而發現開發要考慮的問題很多，實際使用也會有門檻

決定先從比較簡單、能夠立即上手的角度切入，最近終於將 ccharness 最基礎的功能實作完畢，可以從另一種角度來改善 Claude Code 的產出品質

經過將對話紀錄從前端移動到後端，我們需要再更近一步將這個行為抽離成商業邏輯，基本上跟傳統開發模式沒有太大差異，主要的變化是我們將這些任務交接給 Agent（代理）來處理，人類則負責設計跟提示。