n8n AI Agent 完整教學：零程式碼打造智慧自動化工作流

「我不會寫程式，但我想用 AI 自動化我的工作。」

如果這是你的想法，n8n 可能是你的最佳選擇。

n8n 是一個開源的工作流自動化平台，最近加入了強大的 AI Agent 功能。它讓你用拖拉的方式建構 AI Agent，不需要寫任何程式碼。更棒的是，它可以與超過 400 個應用整合，從 Google Sheets 到 Slack、從 Notion 到 Telegram，幾乎你能想到的工具都能串接。

這篇教學會從零開始，帶你建構三個實用的 AI Agent：

1. 自動回覆的客服機器人
2. 智慧資料處理助手
3. 內容生成自動化流程

完成後，你會有能力建構自己的 AI 自動化工作流，解決實際的工作問題。

如果你想了解更多 AI Agent 的基本概念，可以參考 AI Agent 是什麼？完整指南。想比較不同的工具選項，請看 AI Agent 工具比較。

n8n 是什麼？為什麼選擇它？

n8n 簡介

n8n（發音為 n-eight-n）是一個基於節點的工作流自動化工具。你可以把它想像成「如果發生 A，就自動做 B」的視覺化設計器。

例如：

• 如果收到新郵件 → 用 AI 分析內容 → 自動回覆或轉發
• 如果 Google Sheets 有新資料 → AI 處理分析 → 更新到 Notion
• 如果有人在 Telegram 發訊息 → AI Agent 回覆 → 記錄到資料庫

為什麼 n8n 適合建構 AI Agent

1. 視覺化操作 所有流程都是拖拉設計，能直觀看到資料如何流動。不用盯著程式碼猜測哪裡出錯。

2. 豐富的整合 超過 400 個預建的應用整合，從常見的 Google、Microsoft 服務，到各種 SaaS 工具、資料庫、API 都有。

3. AI 原生支援 內建 AI Agent 節點，支援 OpenAI、Anthropic、Google 等多種 LLM。還有向量資料庫、RAG 等進階功能。

4. 開源可自架 如果擔心資料安全，可以在自己的伺服器上運行 n8n。資料完全由你掌控。

5. 免費方案夠用 開源版完全免費。雲端版的免費額度對個人使用也很充足。

n8n vs 其他無程式碼工具

功能	n8n	Zapier	Make
AI Agent 功能	強	中	中
整合數量	400+	6000+	1500+
自架選項	有	無	無
免費額度	開源無限	100 tasks/月	1000 ops/月
學習曲線	中	低	中
複雜流程支援	強	中	強

n8n 的優勢在於 AI 功能和自架彈性，適合需要 AI Agent 能力且注重資料隱私的用戶。

插圖：n8n 工作流程視覺化概念圖

場景描述： 展示 n8n 的視覺化工作流設計概念

視覺重點：

• 主要內容清晰呈現

必須出現的元素：

• 依據描述中的關鍵元素

需要顯示的中文字： 無

顏色調性： 專業、清晰

避免元素： 抽象圖形、齒輪、發光特效

Slug: n8n-workflow-visualization-concept

環境準備：三種安裝方式

方式一：使用 n8n Cloud（最簡單）

如果你只是想快速試用，n8n Cloud 是最簡單的選擇。

1. 前往 n8n.io 註冊帳號
2. 選擇免費方案（每月 5 個工作流，2,500 次執行）
3. 直接開始使用，不需要任何安裝

優點：零設定、自動更新、有技術支援 缺點：免費額度有限、資料存在雲端

方式二：Docker 自架（推薦）

如果你有基本的技術能力，Docker 自架能給你最大彈性。

前置需求：

• 安裝 Docker Desktop（下載連結）

步驟：

# 建立資料目錄
mkdir -p ~/.n8n

# 啟動 n8n
docker run -it --rm \
  --name n8n \
  -p 5678:5678 \
  -v ~/.n8n:/home/node/.n8n \
  n8nio/n8n

啟動後，在瀏覽器打開 http://localhost:5678 就能看到 n8n 介面。

長期運行版本（背景執行）：

docker run -d \
  --name n8n \
  --restart unless-stopped \
  -p 5678:5678 \
  -v ~/.n8n:/home/node/.n8n \
  -e GENERIC_TIMEZONE="Asia/Taipei" \
  n8nio/n8n

方式三：npm 安裝

如果你已經有 Node.js 環境：

# 全域安裝
npm install n8n -g

# 啟動
n8n start

設定 OpenAI API Key

無論使用哪種方式，要使用 AI 功能都需要設定 API Key。

1. 在 n8n 中點擊左側選單的「Credentials」
2. 點擊「Add Credential」
3. 搜尋「OpenAI」並選擇
4. 輸入你的 API Key（從 OpenAI Platform 取得）
5. 儲存

現在你已經準備好開始建構 AI Agent 了。

案例一：智慧客服機器人

我們的第一個專案是建構一個能自動回覆常見問題的客服機器人。它會：

• 接收來自 Telegram 的訊息
• 使用 AI 理解問題並生成回覆
• 對於複雜問題，轉交給真人處理

步驟 1：建立工作流

1. 登入 n8n，點擊「New Workflow」
2. 給工作流取個名字，例如「智慧客服機器人」

步驟 2：新增 Telegram 觸發器

1. 點擊畫布上的「+」按鈕
2. 搜尋「Telegram」，選擇「Telegram Trigger」
3. 設定 Telegram Bot：
   • 在 Telegram 找到 @BotFather
   • 發送 /newbot 建立新機器人
   • 取得 Bot Token
4. 回到 n8n，建立 Telegram Credential，貼上 Token
5. 選擇觸發事件：「Message」

步驟 3：新增 AI Agent 節點

1. 從 Telegram Trigger 拉出連接線
2. 新增節點，搜尋「AI Agent」
3. 設定 AI Agent：
   • Chat Model：選擇 OpenAI GPT-4o-mini
   • System Message：

   你是一個友善的客服助手，負責回答關於我們產品的問題。
   
   我們的產品是一個專案管理工具，主要功能包括：
   - 任務管理：建立、指派、追蹤任務
   - 團隊協作：即時溝通、檔案共享
   - 報表分析：進度報告、時間追蹤
   
   回答規則：
   1. 用繁體中文回答
   2. 保持友善專業的語氣
   3. 如果問題超出你的知識範圍，回覆「這個問題我需要轉交給專人處理，請稍候。」
   4. 回答盡量簡潔，不超過 100 字
   

   • Input：設定為 {{ $json.message.text }}（接收 Telegram 訊息內容）

步驟 4：新增回覆節點

1. 從 AI Agent 拉出連接線
2. 新增「Telegram」節點（不是 Trigger）
3. 設定：
   • Operation：Send Message
   • Chat ID：{{ $('Telegram Trigger').item.json.message.chat.id }}
   • Text：{{ $json.output }}（AI Agent 的輸出）

步驟 5：測試與啟用

1. 點擊右上角「Test Workflow」
2. 在 Telegram 對你的 Bot 發送訊息測試
3. 確認回覆正常後，點擊「Active」啟用工作流

恭喜！你已經建立了第一個 AI 客服機器人。

進階：加入知識庫

要讓客服機器人更聰明，可以加入知識庫（RAG）功能：

1. 在 AI Agent 之前新增「Vector Store」節點
2. 上傳你的產品文件、FAQ 等資料
3. 在 AI Agent 中啟用「Retrieval」功能
4. AI 會根據知識庫內容回答，減少幻覺

插圖：客服機器人工作流架構圖

場景描述： 展示客服機器人的完整工作流結構

視覺重點：

• 主要內容清晰呈現

必須出現的元素：

• 依據描述中的關鍵元素

需要顯示的中文字： 無

顏色調性： 專業、清晰

避免元素： 抽象圖形、齒輪、發光特效

Slug: n8n-customer-service-bot-workflow

案例二：智慧資料處理助手

第二個專案是建構一個能自動處理 Google Sheets 資料的 AI 助手。它會：

• 監控 Google Sheets 的新資料
• 使用 AI 分析和分類
• 將結果寫回 Sheets 或通知你

使用場景

假設你有一個收集客戶回饋的表單，每天會收到很多回覆。你希望 AI 自動：

• 判斷回饋是正面、負面還是中性
• 提取關鍵議題
• 對於負面回饋立即通知你

步驟 1：建立觸發器

1. 新建工作流，命名為「智慧資料處理」
2. 新增「Google Sheets Trigger」節點
3. 連接你的 Google 帳號
4. 選擇要監控的試算表和工作表
5. 設定觸發條件：「Row Added」（新增列時觸發）

步驟 2：設定 AI 分析

1. 新增「AI Agent」節點
2. System Message 設定：

你是一個資料分析專家，負責分析客戶回饋。

對於每一則回饋，請提供：
1. 情緒分類：正面 / 中性 / 負面
2. 關鍵議題：最多 3 個標籤
3. 摘要：20 字以內的重點摘要
4. 優先級：高 / 中 / 低（負面且涉及產品問題為高）

請用 JSON 格式回覆：
{
  "sentiment": "正面/中性/負面",
  "tags": ["標籤1", "標籤2"],
  "summary": "摘要內容",
  "priority": "高/中/低"
}

3. Input 設定：{{ $json.feedback }}（假設回饋欄位名稱是 feedback）

步驟 3：解析 AI 輸出

1. 新增「Code」節點（或使用「Set」節點）
2. 將 AI 的 JSON 輸出解析成結構化資料：

const aiOutput = JSON.parse($input.first().json.output);
return {
  sentiment: aiOutput.sentiment,
  tags: aiOutput.tags.join(', '),
  summary: aiOutput.summary,
  priority: aiOutput.priority
};

步驟 4：寫回 Google Sheets

1. 新增「Google Sheets」節點
2. 選擇「Update Row」操作
3. 設定要更新的欄位：
   • 情緒分類欄 → {{ $json.sentiment }}
   • 標籤欄 → {{ $json.tags }}
   • 摘要欄 → {{ $json.summary }}
   • 優先級欄 → {{ $json.priority }}

步驟 5：條件通知

1. 新增「IF」節點，判斷優先級
2. 條件：{{ $json.priority }} 等於 "高"
3. True 分支：新增「Slack」或「Email」節點發送通知
4. False 分支：結束

完整工作流

Google Sheets Trigger
        ↓
    AI Agent（分析回饋）
        ↓
    Code（解析 JSON）
        ↓
    Google Sheets（更新資料）
        ↓
    IF（優先級 = 高？）
      ├─ Yes → Slack 通知
      └─ No → 結束

[CTA-ai]

案例三：內容生成自動化

第三個專案是建構一個內容生成工作流。它會：

• 接收主題關鍵字
• AI 生成文章大綱
• 根據大綱生成完整內容
• 自動發布到 Notion 或 WordPress

步驟 1：設定觸發方式

你可以選擇不同的觸發方式：

方式 A：手動觸發

1. 新增「Manual Trigger」節點
2. 每次點擊按鈕執行

方式 B：Webhook 觸發

1. 新增「Webhook」節點
2. 複製 Webhook URL
3. 透過 POST 請求觸發，傳入主題參數

方式 C：定時觸發

1. 新增「Schedule Trigger」節點
2. 搭配資料來源（如 Google Sheets 的主題清單）

步驟 2：生成文章大綱

1. 新增第一個「OpenAI」節點（或 AI Agent）
2. 設定：

根據以下主題，生成一篇部落格文章的大綱：

主題：{{ $json.topic }}

要求：
1. 包含引人入勝的標題
2. 5-7 個主要段落
3. 每個段落包含 2-3 個要點
4. 用繁體中文

輸出格式：
# 標題
## 段落1
- 要點1
- 要點2
## 段落2
...

步驟 3：生成完整內容

1. 新增第二個「OpenAI」節點
2. 設定：

根據以下大綱，撰寫一篇完整的部落格文章：

{{ $json.outline }}

要求：
1. 每個段落 150-200 字
2. 語氣專業但親切
3. 加入實際案例或數據
4. 總長度 1500-2000 字
5. 用繁體中文

步驟 4：發布到 Notion

1. 新增「Notion」節點
2. 連接你的 Notion 帳號
3. 選擇目標資料庫
4. 設定欄位對應：
   • Title → 文章標題
   • Content → 文章內容
   • Status → 草稿
   • Created → 建立時間

進階優化

加入人工審核 在發布前加入「Wait」節點，暫停工作流等待審核：

1. 新增「Send Email」節點，發送審核通知
2. 新增「Wait」節點，等待 Webhook 回應
3. 收到確認後才執行發布

加入 SEO 優化 新增一個 AI 節點專門生成：

• Meta description
• 關鍵字建議
• 內部連結建議

插圖：內容生成工作流程圖

場景描述： 展示內容生成自動化的完整工作流

視覺重點：

• 主要內容清晰呈現

必須出現的元素：

• 依據描述中的關鍵元素

需要顯示的中文字： 無

顏色調性： 專業、清晰

避免元素： 抽象圖形、齒輪、發光特效

Slug: n8n-content-generation-workflow

AI Agent 節點進階設定

選擇正確的 AI 模型

n8n 支援多種 AI 模型，選擇時考慮：

模型	特點	適合場景	相對成本
GPT-4o	最強能力	複雜推理、創意寫作	高
GPT-4o-mini	平衡選擇	一般任務、客服	中
Claude 3.5 Sonnet	長文本處理強	文件分析、摘要	中
Gemini Pro	多模態能力	圖片理解	中

對於大多數自動化場景，GPT-4o-mini 的性價比最高。

工具節點整合

AI Agent 可以使用「工具」來執行動作。在 n8n 中，你可以將其他節點作為工具：

1. 在 AI Agent 節點中，展開「Tools」區塊
2. 點擊「Add Tool」
3. 選擇「Call n8n Workflow」
4. 指定另一個工作流作為工具

例如，你可以建立：

• 「搜尋資料庫」工具
• 「發送郵件」工具
• 「建立任務」工具

AI Agent 會自動判斷何時該呼叫哪個工具。

記憶功能設定

讓 AI Agent 記住對話歷史：

1. 在 AI Agent 節點中啟用「Memory」
2. 選擇記憶類型：
   • Window Memory：記住最近 N 輪對話
   • Buffer Memory：記住所有對話（注意 token 限制）
3. 設定「Session ID」來區分不同用戶的對話

錯誤處理

建議為每個工作流加入錯誤處理：

1. 在節點上右鍵，選擇「Add Error Workflow」
2. 新增「Send Email」或「Slack」節點
3. 當工作流出錯時，自動通知你

實用技巧與最佳實踐

技巧 1：使用變數簡化管理

將常用的值設為環境變數：

1. 進入 Settings → Variables
2. 新增變數，如 COMPANY_NAME、SUPPORT_EMAIL
3. 在節點中使用 {{ $vars.COMPANY_NAME }}

技巧 2：測試時節省 API 成本

開發階段：

• 使用「Manual Trigger」手動測試
• 使用 GPT-4o-mini 而非 GPT-4o
• 限制處理的資料量

技巧 3：善用執行歷史

n8n 會記錄每次執行的詳細資訊：

• 點擊「Executions」查看歷史
• 可以看到每個節點的輸入輸出
• 方便除錯和優化

技巧 4：分階段建構

不要一次建構完整工作流：

1. 先建立基本流程，確認能跑
2. 逐步加入 AI 處理
3. 最後加入條件判斷和通知

技巧 5：定期備份

如果使用自架版本：

1. 定期匯出工作流（Workflow → Download）
2. 備份 ~/.n8n 資料夾
3. 考慮使用 Git 版本控制

插圖：n8n AI Agent 最佳實踐檢查清單

場景描述： 總結 n8n AI Agent 建構的最佳實踐

視覺重點：

• 主要內容清晰呈現

必須出現的元素：

• 依據描述中的關鍵元素

需要顯示的中文字： 無

顏色調性： 專業、清晰

避免元素： 抽象圖形、齒輪、發光特效

Slug: n8n-ai-agent-best-practices-checklist

常見問題排解

問題 1：AI 回覆太慢

可能原因：

• 模型太大（如 GPT-4）
• Prompt 太長
• 網路延遲

解決方式：

• 改用較小的模型（GPT-4o-mini）
• 精簡 System Message
• 如果自架，確認伺服器地點

問題 2：AI 回覆不符合預期

可能原因：

• System Message 不夠清楚
• 輸入資料格式有問題
• 選錯了模型

解決方式：

• 在 System Message 中加入更多範例
• 檢查輸入節點的資料格式
• 使用「Code」節點預處理資料

問題 3：Webhook 無法觸發

可能原因：

• 工作流未啟用
• Webhook URL 錯誤
• 防火牆阻擋

解決方式：

• 確認工作流已設為「Active」
• 重新複製 Webhook URL
• 如果自架，檢查防火牆設定

問題 4：執行次數超過限制

雲端版解決方式：

• 升級方案
• 優化工作流，減少不必要的執行
• 加入條件判斷，過濾不需要處理的資料

自架版優勢：沒有執行次數限制

進階學習資源

完成這篇教學後，你可以探索更多進階功能：

n8n 官方資源

• n8n 官方文件
• n8n 社群論壇
• n8n 模板庫

AI Agent 相關文章

• AI Agent 完整指南：深入理解 AI Agent 概念
• AI Agent 工具比較：了解其他工具選項
• AI Agent 實作教學：Python 程式碼範例與開發指南
• AI Agent 框架解析：技術架構深入探討
• AI Agent 企業應用：企業導入策略
• AI Agent 概念股分析：產業投資機會

如果你在使用 n8n 建構 AI Agent 的過程中遇到問題，或是有更複雜的需求需要協助，歡迎與我們聯繫。

[CTA-ai]

總結

n8n 讓 AI Agent 的建構變得前所未有的簡單。即使你不會寫程式，也能透過視覺化的方式建構強大的自動化工作流。

在這篇教學中，我們學會了：

• n8n 的基本概念和環境設定
• 建構智慧客服機器人
• 建構資料處理自動化
• 建構內容生成工作流
• AI Agent 節點的進階設定
• 實用技巧和問題排解

建議從最簡單的案例開始，逐步增加複雜度。每個成功的自動化都會讓你更熟悉這個工具，也更有信心挑戰更複雜的專案。

現在就開始動手吧！

常見問題 FAQ

n8n 免費版有什麼限制？

開源自架版完全沒有功能限制，你可以建立任意數量的工作流，執行任意次數。雲端版免費方案限制 5 個工作流、每月 2,500 次執行。對於個人使用或測試，這些額度通常夠用。

我需要準備什麼才能開始？

最低需求只需要一個 OpenAI API Key（或其他 LLM 的 Key）。如果想使用雲端版 n8n，註冊帳號即可。如果想自架，需要一台能跑 Docker 的電腦或伺服器。

n8n 的 AI Agent 和 LangChain 有什麼不同？

LangChain 是程式開發框架，需要寫 Python 程式碼，彈性高但門檻也高。n8n 是視覺化工具，用拖拉方式建構，適合不想寫程式的用戶。如果需要極度客製化，選 LangChain；如果追求快速上手和與其他應用整合，選 n8n。

自架 n8n 需要什麼伺服器規格？

基本使用只需要 1 核心 CPU、1GB 記憶體就能跑。如果工作流較多或執行頻繁，建議 2 核心、4GB 記憶體。可以從小規格開始，不夠再擴充。

如何確保我的資料安全？

自架是最安全的選擇，所有資料都在你的伺服器上。如果使用雲端版，API Key 等敏感資訊會加密儲存，但你的工作流資料會經過 n8n 的伺服器。如果有嚴格的資料合規要求，建議使用自架版本。