🔧 阿川の電商水電行

Shopify 顧問、維護與客製化

💡

小任務 / 單次支援方案

單次處理 Shopify 修正／微調

⭐️

維護方案

每月 Shopify 技術支援 + 小修改 + 諮詢

🚀

專案建置

Shopify 功能導入、培訓 + 分階段交付

👉 瞭解詳情 / 免費諮詢

站長阿川 · 02月14日

Case Study #02：Voice Agent Platform Orchestration（Upwork 發包需求）

客戶在南美智利這專案看起來還真有挑戰性！

我連需求都看不太懂我先跟 ai 討論案主需求

這個職缺本質上是在做一個：

AI 語音客服 / AI 電話業務代理平台（SaaS）

而且已經有 MVP 了，現在要往「可擴張商業產品」升級。

一句話總結

他們在做的是：

一個可以接電話、回 WhatsApp、串後台資料、可視化管理的 AI 語音代理平台。

類似：

- AI 電話客服
- AI 外呼銷售
- AI 預約機器人
- AI Call Center SaaS

要做平台的話這需求滿複雜的

首先我想先知道客服這種 agent 如果不是單一流程跑到底要怎麼處理多種情境

Pattern Note #06：AI Agent 的 dynamic routing 與 dynamic tools

在調查各種平台服務的時候我看到類似這樣的 ui

這個專案應該也需要類似的流程管理吧

這樣複雜的流程該不會用一大串 prompt 寫到底吧

我研究了一下 flow/DAG/graph 這種東西

Pattern Note #07：使用狀態機套件重構 AI Agent

嘗試了一些實作但是非常不滿意我好像搞錯方向

做成 saas 的重點好像不是狀態機而是 別把流程寫在 code 內應該要寫在 data 內

Pattern Note #08：基於 graph engine 驅動的 AI Agent

Pattern Note #09：把 graph engine 加上 actions 支援外部動作

前端面板 UI

https://github.com/xyflow/xyflow

拖拉式節點編輯器套件

omnisend 這種節點式服務的 schema

分為 Definition layer 與 Runtime layer

Definition layer：模板/工作流本身（可編輯、可發布）
Runtime layer：每次執行的 session/run（狀態、log、結果）

Definition layer

automations

id, store_id, name, status(active/paused), created_at

automation_versions

id, automation_id, version, status(draft/published), published_at
版本是必要的：不然一改 flow，正在跑的人會炸

automation_nodes

id, automation_version_id
node_key（畫布上的唯一 id）
type（trigger / wait / condition / action_send / split / end …）
position_x, position_y
config_json（每種 node 的參數）

automation_edges

id, automation_version_id
source_node_key, target_node_key
condition_json（例如 “if opened within 24h” / “order_total > 1000”）
label

automation_triggers

automation_version_id
event_type（signup, order_created, cart_abandoned, product_viewed…）
filter_json（特定商品/金額/來源/UTM/國家…）
dedupe_policy_json（同事件多久只觸發一次）
Omnisend 的 trigger 多半是「某個事件發生」+「事件的條件」。

Runtime layer

Omnisend 最關鍵：同一個 flow 會對每個 contact 建立一個 instance。

contacts

id, store_id
email, phone, push_token…
consent_state（訂閱狀態、SMS 同意）
attributes_json（姓名、生日、tags…）

events

id, store_id, contact_id
type（order_created, email_opened, product_viewed…）
payload_json（訂單金額、商品 id、browser info…）
occurred_at
external_id（Shopify order id 等）
索引很重要：(store_id, type, occurred_at)、(contact_id, occurred_at)

automation_instances / enrollments（這個人被塞進這條 flow）

id, automation_version_id, contact_id
status（active/paused/completed/exited）
current_node_key
state_json（例如等待到期時間、已發送哪些訊息、分支選擇）
entered_at, updated_at

等待節點（wait 2 days / until next Monday）會落到 job queue：
scheduled_tasks

id, enrollment_id, run_at, task_type, payload_json, status

回到案主需要的 Saas 資料庫結構

一樣分 definition layer vs runtime layer

1) workflows

id (pk)
workspace_id (tenant)
name
description
status (active/archived)
created_at
一個 workflow = 一個“自動化/agent/flow”的產品單位。

2) workflow_versions

id (pk)
workflow_id (fk)
version (int)
status (draft/published/deprecated)
published_at
created_by
created_at
Omnisend/Zapier 類產品一定有版本，不然一改線上就炸。

3) workflow_nodes

id (pk)
workflow_version_id (fk)
node_key (string, e.g. "login.collect_details") // 你 UI 的節點 id
type (start/router/tool/llm/wait/webhook/handoff/end...)
name (給 UI 顯示)
position_x, position_y (畫布座標)
config_json (jsonb) // 該 node 的參數，如 tool_name、prompt_template_id、routes...
created_at
node 的配置永遠用 jsonb，因為節點種類會一直長。

4) workflow_edges

id (pk)
workflow_version_id (fk)
source_node_key
target_node_key
condition_json (jsonb)
例：{ "type":"intent", "equals":"billing" }
或：{ "type":"expr", "expr":"tools.preview.success == true" }
label (string, UI 顯示用)
created_at
edge 表達「轉移條件」。UI 拉線就是新增 edge。

5) workflow_triggers

id (pk)
workflow_id 或 workflow_version_id（看你要綁定發布版還是工作流本體）
channel (voice/whatsapp/webhook/widget)
type (incoming_call/incoming_message/schedule/webhook/manual)
config_json (jsonb)
e.g. phone_number, webhook_path, schedule_cron, keyword filter
is_enabled
created_at
Omnisend 的 trigger 就是：訂閱、下單、點擊… 你這裡是：來電、來訊息、webhook、排程。

然後 runtime layer 就是

8) workflow_runs

id (pk)
workspace_id
workflow_id
workflow_version_id (重要：跑的是哪個發布版)
channel (voice/whatsapp/web)
external_thread_id (Twilio callSid / WhatsApp conversation id)
status (running/waiting/ended/error)
current_node_key
state_json (jsonb) // slot/state/flags（你現在的 $orderState）
created_at, updated_at
這張表是你現在 chat_sessions + agent_states 的合體。

Q&A

schema naming
saas 會叫 workflow
omnisend 這種自動化會叫 automation
但兩者基本是一樣結構是嗎

是的，結構本質上是一樣的，只是語意與產品定位不同。

可以這樣理解：

workflow = 技術中性詞（engineering term）
automation = 商業應用詞（marketing / SaaS term）

底層 schema 幾乎完全相同。

一句話總結 -> automation 是 workflow 的一種「產品化命名」。

為什麼 SaaS 會用不同名稱？

這是產品語意問題，不是技術問題。

Engineering world：叫 workflow

因為它是通用概念：

GitHub Actions workflow
Temporal workflow
Airflow workflow
Zapier workflow

工程師習慣用 workflow。

Marketing automation world：叫 automation

因為他們賣的是：

「自動化你的業務」

不是「工作流程」。

對使用者來說：

automation = abandoned cart automation
automation = welcome automation

比 workflow 更直覺。

Omnisend、Klaviyo、Mailchimp 都用 automation。

AI world：叫 agent / flow / assistant

例如：

OpenAI → assistant
LangChain → agent
n8n → workflow
Voiceflow → flow
Retell → agent

本質仍然是 workflow graph。

從資料庫角度看，完全相同

從 execution engine 看，更明顯是同一東西

current_node = X

execute node

evaluate edges

move to next_node

這樣的話如果是 omnisend 他們實際資料庫會叫 workflow 給工程師還是 automation 統一商業語境更方便

結論：大多數像 Omnisend 這類產品，資料庫與程式碼會統一使用 automation，而不是 workflow。

原因不是技術，而是產品語境一致性（ubiquitous language）。

Product	UI term	DB term（通常）
Omnisend	automation	automations
Klaviyo	flow	flows
Mailchimp	journey / automation	automations
Zapier	workflow / zap	zaps
n8n	workflow	workflows
Retell	agent	agents
Voiceflow	agent / flow	agents / flows
Temporal	workflow	workflows

關鍵原則：DB naming 應反映 domain，而不是 implementation

否則會導致

工程師 confusion
API naming mismatch
cognitive overhead

但 execution engine 內部仍會叫 workflow（概念層）

只是對外不用 workflow 這個詞。

心得

這個專案依然很有挑戰性

光是 SaaS 本身架構設計就需要相當經驗了

再加上 llm 整合非常有挑戰性

但是這套研究下來我也比較有個底、知道大方向了

站長阿川

每週二 YT 直播 Q&A（可 Discord Call-in）
YT：https://www.youtube.com/@codelove_tw
DC：https://discord.gg/fvCF2whZ9D

⭐️ Shopify 接案服務（給品牌）
https://job.turn.tw/shopify-services

⭐️ Shopify 技術教練（給工程師）
https://job.turn.tw/developer-coaching

⭐️ 台灣 Shopify 開發者 LINE 群（非官方）
https://line.me/ti/g2/YUasX5K3CJ4QdIx76zppjHlh3-q8w-xkSyK1LA