n8n 教學 2026：AI Agent、自動化工作流與實戰案例完整指南

n8n 是把不同工具串起來的自動化工作流平台。新手先做「收到資料 → 判斷條件 → 通知人」，確認每一步輸出正確後，再加 AI。它可以連接表單、Email、Google Sheets、Notion、CRM、Slack、資料庫和 AI 模型，照你設定的條件整理資料、呼叫 API，或交給 AI Agent 選擇工具。

它特別適合處理那些每天都不難、但一直重複做很浪費時間的工作。

例如：

• 官網每天都有詢問表單進來，你要人工判斷誰是高意圖客戶、誰只是問問。
• 客服信箱裡有付款、帳號、Bug、功能建議混在一起，每天都要先分類再派工。
• 每週要從 Google Sheets、CRM、Email、Notion 抓資料，整理成一份固定格式的報表。
• 業務跟進完客戶後，還要手動更新 CRM、通知 Slack、寄下一封信。
• 公司文件散在不同地方，同事一直問重複問題，你想做一個可以查文件但又能留下來源的 AI 助理。
• 你已經會用 ChatGPT，但不想每次都手動複製資料、貼 prompt、再把結果搬回系統。

如果你看到這裡有幾個點頭，可以把 n8n 想成工作流中控台：它把表單、Email、資料庫、CRM、Slack、AI 模型和內部 API 串起來，前面接住資料，中間整理和判斷，後面更新系統或通知人。

先做出一條能執行的 workflow，確認資料如何流過每個節點，再逐步加入 AI Agent、RAG、human review、安全與監控。這個順序能降低除錯難度，也能避免一開始就把過多權限交給模型。

先確認：你真的需要 n8n 嗎？

先看流程複雜度再決定要不要用 n8n。單純把 Gmail 附件存到雲端硬碟，Zapier 或 Make 通常更快上手；當流程開始變得「有條件、有資料、有風險、有系統串接」，n8n 的彈性才會明顯：

• 串很多 API，而且每一步都要能 debug。
• 把資料庫、Webhook、CRM、內部系統、AI 模型接在一起。
• 讓 AI Agent 只呼叫事先定義的工具，避免模型取得過大的系統權限。
• 想自架，或至少希望未來有自架、私有部署、資料控管選項。
• 需要 error handling、重試、稽核紀錄、human-in-the-loop。

我的建議是：內容創作者、SOHO、業務團隊可以先用 Make；技術團隊、B2B SaaS、顧問公司、內部營運自動化，n8n 的長期彈性會比較高。

n8n 是什麼？和一般自動化工具差在哪？

n8n 的基本單位是 workflow。每個 workflow 由多個 node 組成：

概念	做什麼	新手理解方式
Trigger	決定流程何時開始	表單送出、Webhook 收到資料、排程到點
Node	執行某個動作	呼叫 API、查表、寄信、整理欄位
Execution	一次流程執行紀錄	可以回頭看哪一步成功、哪一步失敗
Credentials	儲存 API key / OAuth	讓節點安全地連外部服務
Expression	動態取用前面節點資料	把表單欄位帶進 Email 或 API body
Workflow as tool	把子流程包成工具	讓 AI Agent 只呼叫被允許的流程

一般 no-code 自動化工具通常強在「快速串 SaaS」。n8n 則更像工程化的工作流平台：你可以用 Code node 補邏輯、用 HTTP Request 接任意 API、用資料庫保存狀態、用 error workflow 做告警，最後再把流程交給 AI Agent 作為 tool。

第一次看 n8n：它到底在幹嘛？

如果你完全沒用過 n8n，可以先不要想「AI Agent」或「自架」。先把 n8n 想成一條自動化產線：前面有入口，中間有加工站，最後有出口。

一條最基本的 n8n workflow 通常長這樣：

流程階段	白話意思	常見節點
觸發	什麼事情發生時開始跑	Manual Trigger、Schedule Trigger、Webhook、Form Trigger
取得資料	把表單、API、資料表或檔案內容拿進來	HTTP Request、Google Sheets、Gmail、Postgres / MySQL 等資料庫節點
整理資料	把欄位改成後面看得懂的格式	Edit Fields (Set)、Code、Date & Time
判斷分流	根據條件決定走哪條路	If、Switch、Filter
執行動作	寄信、更新 CRM、寫入資料表、通知團隊	Send Email、Slack、Google Sheets、HubSpot / Pipedrive 等 CRM 節點、HTTP Request
等待或審核	等人確認、等時間到、等外部回覆	Wait、Respond to Webhook、人工審核節點設計
紀錄與告警	失敗時通知人，成功時留下紀錄	Error Trigger、Execution Data、Slack、Email

舉一個網站詢問表單的例子：

1. Form Trigger 收到訪客填的姓名、Email、需求內容。
2. Edit Fields (Set) 把欄位整理成 name、email、message、source。
3. If 判斷訊息裡是否有「報價」、「合作」、「預算」。
4. 高意圖名單走 CRM 或 Google Sheets，一般問題走 Email 或客服系統。
5. Slack 通知業務：「這筆要優先跟進」。
6. 如果中間 API 失敗，Error Trigger 或錯誤分支通知負責人。

所以 n8n 會把「人本來會重複做的步驟」拆成一格一格可測試、可修改、可追蹤的節點。你越能把流程講成「什麼進來、怎麼整理、什麼條件、送去哪裡」，就越容易用 n8n 做出穩定的自動化。

常用 n8n 節點中英對照表

下面先整理新手最常看到、也最容易搞混的節點。英文名稱採用 n8n 介面常見命名，中文名稱則方便你快速理解用途。

英文節點名稱	中文理解	用途	怎麼用
Manual Trigger	手動觸發	測試 workflow，不用等真實事件發生。	放在流程第一格，按 Execute workflow 看後面每個節點輸出；正式上線時通常會換成表單、Webhook 或排程觸發。
Schedule Trigger	定時觸發	每天、每週、每小時自動跑一次流程。	設定執行頻率、時間與時區，用在每日報表、定期同步、固定檢查庫存或監控 API。
Webhook	收外部事件的網址	讓外部服務主動丟資料進 n8n，例如表單、付款、CRM 事件、系統 callback。	複製 n8n 給你的 Test URL 測試資料格式；發布後改用 Production URL。記得設定 HTTP method、path、驗證方式和回傳內容。
Form Trigger / n8n Form Trigger	n8n 內建表單入口	不想另外接 Typeform、Tally、Google Form 時，可以直接用 n8n 收表單。	在節點裡設定欄位，例如姓名、Email、需求；提交後每筆表單會變成 workflow 的輸入資料。
HTTP Request	呼叫 API	連接任何有 REST API 的服務，是 n8n 最常用也最重要的節點之一。	填 method、URL、headers、query、body、authentication；如果 API 文件有 curl 範例，也可以匯入後再微調。常用在查 CRM、打模型 API、送資料到內部系統。
Edit Fields (Set)	整理或新增欄位	把前面亂七八糟的資料整理成後面節點需要的格式。	用 Manual Mapping 拖拉欄位，或用 expression 組出新欄位；常見做法是把 first_name、mail、content 統一成 name、email、message。
If	二選一條件判斷	根據條件把資料分成 true / false 兩條路。	設定欄位、比較方式和值，例如 message contains 報價；高意圖走業務通知，低意圖走一般回覆。
Switch	多條路分流	條件有三種以上時使用，比 If 更適合分類。	建立多個 routing rules，例如客服類型是付款、帳號、Bug、功能建議，就分別送到不同 Slack channel 或 ticket queue。
Filter	過濾資料	只讓符合條件的 item 往下走。	用在資料清理，例如只處理有 Email 的名單、只留下金額大於某個數字的訂單、跳過缺欄位資料。
Merge	合併多路資料	把兩個以上來源的資料合在一起。	例如一邊是表單資料，一邊是 CRM 查詢結果，用 email 或 customer_id 合併；常用來補齊客戶資料或比對重複紀錄。
Loop Over Items (Split in Batches)	分批處理	一次資料太多，或 API 有速率限制時，把資料分批慢慢跑。	設定 batch size，例如一次處理 10 筆；每批跑完再回到迴圈，適合大量寄送、批次查詢、避免打爆 API。
Wait	暫停等待	流程跑到一半先停住，等時間到、等表單回覆或等外部 webhook 再繼續。	用在人工審核、延遲追蹤信、等待付款確認；可以等固定時間，也可以產生 resume URL 讓外部事件喚醒流程。
Code	寫程式處理資料	內建節點做不到時，用 JavaScript 或 Python 補自訂邏輯。	用來清理複雜 JSON、計算分數、轉換格式、處理陣列；能不用就先不用，但遇到複雜資料轉換時很有用。
Date & Time	日期時間處理	轉換時區、格式化日期、計算時間差。	用在會議提醒、到期日、排程報表、SLA 計算；避免直接用文字日期硬比對。
Remove Duplicates	去除重複資料	避免同一個人、同一張訂單或同一筆事件被重複處理。	指定用 email、order_id、ticket_id 等欄位去重；常放在寫入 CRM、寄信或更新資料庫前。
Respond to Webhook	回覆外部請求	當 n8n 被當成 API endpoint 時，決定要回傳什麼給呼叫方。	搭配 Webhook 使用；可以回傳成功訊息、查詢結果、錯誤原因，讓外部系統知道流程處理結果。
Error Trigger	錯誤觸發	workflow 失敗時啟動另一條錯誤處理流程。	建立一條專門收錯誤的 workflow，通知 Slack / Email，並附上 workflow 名稱、execution URL、錯誤訊息。
AI Agent	AI 代理人	讓模型根據任務選擇工具、查資料、產生回答或決定下一步。	不要一開始就給太多權限；先把查詢、寫入、寄信做成受控 workflow，再讓 Agent 只能呼叫這些工具。
OpenAI / Anthropic / Google Gemini	語言模型節點	做摘要、分類、改寫、抽取 JSON、草稿生成。	給清楚輸入、輸出格式和限制；正式流程建議要求 JSON，再用 If 或 Switch 接下一步，不要直接相信自由文字。
Google Sheets	試算表讀寫	最常見的輕量資料庫替代品。	用來新增名單、更新狀態、查詢既有資料；適合早期驗證，但資料量大或權限複雜時要改資料庫或 CRM。
Gmail / Send Email	收信或寄信	做通知、草稿、客服回覆、銷售跟進。	新手先用寄給內部團隊的通知信，不要直接自動寄給客戶；正式上線前加人工審核與寄送限制。
Slack / Microsoft Teams	團隊通知	把需要人處理的結果推到團隊溝通工具。	設計訊息格式，放入重點欄位、連結、下一步按鈕或負責人；避免把所有執行紀錄都丟進同一個頻道。

新手可以先記一個組合：Trigger 負責開始，Edit Fields 負責整理，If / Switch 負責判斷，HTTP Request / SaaS 節點負責做事，Slack / Email 負責通知人，Error Trigger 負責出事時不要安靜失敗。

實務上，第一條流程適合從「每天都會手動做的五個步驟」開始：收到資料、整理欄位、判斷條件、更新系統、通知負責人。這條流程跑穩之後，再把 AI 放進分類、摘要、草稿或文件查詢的位置。

n8n Cloud、自架與價格怎麼選？

n8n 可以用官方 Cloud，也可以自架。很多新手第一次看到這兩個選項會卡住，因為它們聽起來都像「使用 n8n」，但實際上差很多。

先用白話講：

• n8n Cloud：你直接用 n8n 官方幫你架好的服務。你只要註冊、登入、開始做 workflow；主機、更新、基本維運由 n8n 官方處理。
• 自架 n8n：你自己準備一台伺服器，自己把 n8n 裝上去。你可以更自由地控制資料、網路、資料庫、外部套件和內部系統連線，但也要自己負責維護。

可以把 Cloud 想成「租一間已經裝潢好的辦公室」，自架像是「自己租空間、拉電、裝網路、買設備」。前者快、穩、省麻煩；後者自由、可控，但你要會處理壞掉時的問題。

兩者的核心差異在於維運責任怎麼分：

問題	用 n8n Cloud	自架 n8n
誰負責安裝與更新？	n8n 官方	你或你的工程團隊
壞掉時誰要排查？	先看官方服務與支援	你要看主機、資料庫、log、網路
資料放在哪裡？	依官方方案與地區設定	你選的主機、資料庫與備份位置
能不能接內部系統？	通常要看網路與安全限制	比較容易接公司內網或私有 API
適合什麼階段？	驗證流程、快速上手、非工程團隊	正式內部系統、資料敏感、需要高度客製

新手不必因為「自架可能比較省月費」就立刻租 VPS。自架仍要支付主機、備份、更新、監控、安全與維運人力；流程尚未驗證前，這些隱性成本通常比 Cloud 月費更難估。

截至 2026 年 9 月 14 日，官方 Cloud 方案以「整條 workflow 跑一次」計算 execution，流程內有幾個步驟不會分開計次。Starter 年繳月均 20 歐元，含每月 2,500 次 executions、5 個 concurrent executions 與 2,300 AI credits；Pro 年繳月均 50 歐元，含每月 10,000 次 executions、20 個 concurrent executions。Business 方案目前只供自架，年繳月均 667 歐元起，含 40,000 次 executions、SSO、環境與 Git 版本控制等團隊功能。實際價格與額度會調整，付款前請以 n8n 官方定價頁及 Cloud 各層級功能表為準。

不要把 AI credits 當成所有模型都已包月。n8n Assistant／AI Workflow Builder 的額度，與工作流呼叫模型或工具服務的 Gateway credits 是不同帳戶餘額。使用自己的供應商 API key，又是另一條計費路徑。估成本時，要分開算 n8n 方案、實際模型與外部服務用量；細節見 Gateway credits 官方說明。

你目前的狀況	建議起點	先估哪個成本
第一次做自動化、沒有維運人員	Cloud Starter	每月 execution 是否會超過 2,500 次
多條正式流程、尖峰會同時執行	Cloud Pro	execution、concurrency、AI credits
要接公司內網、私有資料庫或自訂網路	自架	主機、備份、更新、監控與值班人力
要 SSO、環境隔離、Git 版本控制	Self-hosted Business / Enterprise	授權、導入、治理與維運總成本

n8n Cloud 不讓使用者自行配置主機環境變數、自訂網域、n8n 自身的資料庫後端、queue mode 或 worker 數量。這不代表工作流不能連外部資料庫；透過資料庫節點或 API 連線，與更換 n8n 本身的儲存後端是兩回事。需要控制底層部署時再評估自架，單純驗證表單分流、報表或 CRM 同步不必因此租主機。

選項	適合誰	優點	代價
n8n Cloud	剛開始驗證流程、非工程團隊	省維運、更新快、開箱就能用	資料與方案限制需看官方條款
VPS + Docker	技術團隊、小型內部工具	成本可控、彈性高、容易接內網服務	要管備份、更新、憑證、監控
Self-host + Postgres + Queue	高流量或正式營運	執行穩定、可擴充、可分離 worker	需要 DevOps 能力
Enterprise / 私有部署	金融、醫療、大企業	權限、稽核、SLA、合規需求較完整	採購與導入週期較長

我的導入建議：

1. 用 Cloud 或本機先做 proof of concept。
2. 確認流程真的省時間，再決定是否自架。
3. 只要開始處理個資、客戶資料、金流、內部機密，就要把 credentials、execution log、備份、權限納入正式規格。

第一個 n8n workflow：從可運行開始

官方入門教學會帶你建立第一個 workflow：先加 trigger，再加外部資料節點，接著用 IF 做條件判斷，最後看每個節點的輸出。你不必一開始就做 AI Agent；先能看懂資料怎麼在節點之間流動，比什麼都重要。

這是一個適合新手的練習流程：

1. 建立 Manual Trigger 或 Form Trigger。
2. 加一個 Set / Edit Fields 節點，定義 name、email、company、message。
3. 加一個 IF 節點，判斷 message 是否包含「報價」、「合作」、「預算」。
4. 加一個 HTTP Request 或 Email 節點，把高意圖名單送到指定系統。
5. 加一個通知節點，把結果送給團隊。
6. 執行一次，打開 execution 看每一步輸入與輸出。

這個練習會讓你熟悉三件事：

• n8n 的資料是一筆一筆 item 往下流。
• 後面的節點可以引用前面節點的欄位。
• 每個節點都應該能單獨測試，避免整條 workflow 一次執行後才找錯誤。

可下載 n8n workflow 範本：先匯入跑一次

只看文字還是抽象，所以我準備了三個 starter workflow JSON。這些範本刻意使用 Manual Trigger、Code、No Operation 和 sticky note，不會直接連你的正式 CRM、Email、Slack 或資料庫；你可以先安全匯入、跑一次、看懂每個節點輸出，再把 placeholder 換成正式節點。

範本	適合場景	下載
名單分級與跟進	官網表單、諮詢表單、B2B 業務進線	下載 lead triage workflow JSON
客服 ticket 分流	信箱、表單、客服系統進線分類	下載 ticket routing workflow JSON
RAG 文件匯入	練習把假文件切塊、保留來源欄位，尚未連向量資料庫	下載 RAG intake workflow JSON

匯入方式：

1. 下載其中一個 JSON 檔。
2. 打開 n8n，建立或進入一個空白 workflow。
3. 點右上角三個點，選擇 Import from File。
4. 匯入 JSON 後，先不要接正式 credentials。
5. 選 Execute workflow 手動執行一次，逐一打開後面節點，看輸出中的 JSON 欄位怎麼變化。
6. 確認資料流之後，再把 Replace with ... 的 No Operation placeholder 換成你自己的 CRM、Slack、Email、Google Sheets、向量資料庫或內部 API。

如果你想用 URL 匯入，也可以複製上面下載連結；n8n 官方匯入文件列出 Download、Import from URL、Import from File 三種匯入匯出方式。

名單分級範本跑完，應該看到什麼？

先用第一個下載檔驗收。它使用固定規則計分，沒有呼叫語言模型。Sample lead data 會建立假名單；Score and route lead 計算分數。原始資料包含公司 Example SaaS、信箱 [email protected]、預算 NT$100,000+，以及「我們想導入 AI 自動化，想了解報價、時程和顧問合作方式。」

打開 Score and route lead，輸出應保留原始欄位，並新增以下三個欄位：

{
  "lead_score": 100,
  "route": "sales_priority",
  "next_action": "Create CRM task, notify sales, draft a reply for human review"
}

這只是完整輸出的重點欄位，不是要貼回節點覆蓋原資料。分數從 20 起算，每命中一個高意圖詞加 12；有公司加 10、信箱包含 @ 加 10、命中範本指定的預算字串再加 20，最後上限為 100。原始範例命中「報價、導入、顧問、合作」，合計 108，截成 100。

接著在 Sample lead data 改假資料，每次都重新執行整條工作流：

測試資料	預期結果	這一輪要學會什麼
保留原始範例	100、sales_priority	確認基本資料流與計分
保留公司和 Email，將 budget 改成空字串、message 改成「想了解服務有哪些」	40、nurture	確認條件改變會影響分類
還原原始範例，只把 email 改成空字串	98、sales_priority	高分不代表資料完整，必須另做必填驗證

這些是依下載檔程式規則得到的預期值，不是客戶成交機率，也不是 AI 判斷準確率。信箱只檢查 @、預算只比對少數字串，都不夠正式使用；需要先驗證必填欄位，再正規化預算，不要靠分數順便處理資料品質。

有輸出卻沒有通知，通常不是執行失敗

Replace with ... 節點使用的是 No Operation，只把資料往後傳。next_action 是建議文字，並不會真的建立 CRM 任務、通知 Slack 或寄信。route 也只是欄位，不會自動讓工作流分岔；必須自己加 If 或 Switch，再把各出口接到不同節點。

要接成可用流程，依序補上：

1. 將假資料來源換成測試表單，先檢查必要欄位和格式。
2. 在分級後加 If，條件為 route 等於 sales_priority；兩個出口分別接業務與一般詢問流程。
3. 先用自己的測試 CRM 和內部通知頻道，不要一開始寄給客戶。
4. 寄信、寫入正式資料前加批准步驟，確認收件人、內容與目的地。
5. 用同一筆事件重送測試，確認不會新增重複任務；再測 API 失敗時是否能通知負責人。

若節點根本沒有資料，先看前一個節點是否執行、有幾筆輸出、連線是否接對。若分數與表格不同，先核對是否還看著舊執行紀錄，以及範例文字、公司和預算是否一致。正式流程失敗後可從 Executions 清單檢查與重跑，但先確認前一次是否已寫入部分外部資料。

上線前請記住三件事：

• 從範本匯入後，先用假資料測試，不要第一步就接客戶資料。
• 替換 HTTP Request、Email、CRM、資料庫節點時，逐一檢查 credentials 權限。
• 任何會寄信、刪資料、改 CRM、建立訂單的動作，都先加人工審核或只產生草稿。

n8n AI Agent 怎麼運作？

n8n 的 AI Agent node 不是單一魔法節點。它通常會搭配這些元件：

元件	用途	實務提醒
Chat Model	決定使用哪個語言模型	看 tool calling、context、成本與穩定度
Memory	保存對話上下文	不要把敏感資料永久保存到不該保存的地方
Tools	讓 Agent 可以做事	工具越少越安全，權限越窄越好
Output Parser	限制輸出格式	生產流程盡量要求 JSON schema
Human Review	人工批准高風險動作	寄信、刪資料、改 CRM 前最好保留審核

新手最容易犯的錯，是把 HTTP Request、資料庫、Email、CRM 全部直接開給 Agent。比較穩的做法是：先把可預期的操作做成獨立 workflow，再用 Call n8n Workflow 讓 Agent 呼叫。這叫 workflow as tool。

為什麼 workflow as tool 比直接給 API 安全？

假設 Agent 要查詢客戶訂單。你可以給它一個資料庫權限，讓它自己寫 SQL；也可以做一個 get_customer_order_status workflow，只允許輸入 order_id，然後回傳固定 JSON。

第二種比較適合正式環境，原因是：

• 你可以限制輸入欄位，避免亂查資料。
• 你可以在子流程內做權限檢查。
• 你可以統一處理錯誤與重試。
• 你可以留下清楚 execution log。
• 你可以替換內部 API，而不必改 Agent prompt。

AI Agent 最好只負責「判斷要不要呼叫哪個工具」，不要負責「自己決定怎麼碰核心資料」。

實戰案例一：名單分級與自動回覆

名單分級很適合當第一個 n8n 商業流程，因為成果容易衡量：進線變多時，團隊可以省下逐封判讀的時間，同時避免 AI 直接寄出未經確認的回覆。

流程設計

步驟	n8n 節點	目的
1	Form Trigger / Webhook	接收官網表單、Typeform、Tally 或自家前端資料
2	Edit Fields / Code	統一欄位名稱，清掉空白、全形符號、無效 email
3	Database / Google Sheets / CRM lookup	查詢是否已存在同一個 email 或公司
4	AI Agent / Basic LLM Chain	判斷需求類型、預算線索、急迫度、下一步
5	IF	如果低信心、高風險或高價值，送人工審核
6	Email Draft / CRM Update	產生回覆草稿，更新 CRM，通知業務

建議資料欄位

欄位	範例	為什麼需要
lead_name	王先生	回覆草稿要用
email	[email protected]	去重、回覆、CRM 主鍵
company	Mason AI Lab	判斷 B2B / 個人
message	想導入 AI 客服	AI 分類的主要內容
source_url	/contact/	分析哪個頁面帶來名單
utm_campaign	n8n-guide	追蹤內容轉換
ai_score	82	排序與分派
confidence	0.76	決定是否人工審核

AI 分級 prompt 範本

把 prompt 寫得像營運規格，不要只寫「幫我分析這個客戶」。你可以用這種格式：

你是 B2B 業務助理，負責判斷官網進線的需求類型與優先順序。

請只根據輸入資料判斷，不要編造客戶沒有提供的資訊。

輸入欄位：
- name
- company
- email
- message
- source_url
- utm_campaign

請回傳 JSON：
{
  "category": "consulting | implementation | course | support | other",
  "urgency": "low | medium | high",
  "lead_score": 0-100,
  "confidence": 0-1,
  "reason": "不超過 40 字",
  "next_action": "reply | assign_sales | ask_more_info | ignore",
  "draft_reply": "繁體中文，禮貌、精簡，不承諾價格"
}

如果 message 涉及個資、法律、醫療、金流或客訴，confidence 不得高於 0.7，next_action 必須是 assign_sales。

人工審核規則

正式上線時，至少把這些狀況送人工確認：

• confidence < 0.75
• lead_score > 85
• 訊息包含法律、醫療、金流、個資、客訴。
• AI 草稿中出現價格、折扣、交期、保證效果。
• 客戶已存在 CRM，且最近 30 天有人跟進。

這些門檻是教學用的起始設定，不是經校準的準確率。模型自報的 confidence 不能單獨決定是否放行；即使分數很高，敏感操作也要由固定規則和權限層攔截。真正執行工具前的批准機制，可依 n8n human-in-the-loop 文件設定，而不是只在提示詞寫「請先問我」。

實戰案例二：RAG 文件問答 Agent

RAG 文件問答需要可更新、可追溯、可控制權限的知識庫。下載的 RAG 範本只示範假文件切塊與來源欄位；要完成正式資料與檢索流程，還需要接上向量資料庫、檢索與回答節點。

資料匯入 workflow

1. 用 Schedule Trigger 每天或每小時執行。
2. 從 Google Drive、Notion、內部 API、S3 或資料庫抓取文件清單。
3. 比對 updated_at 或 hash，只處理有變更的文件。
4. 將文件切成 chunk，保留 source_id、source_url、owner、permission_group。
5. 產生 embedding，寫入 vector database。
6. 寫入同步紀錄，方便查詢哪份文件最後一次成功更新。

問答 workflow

1. Chat Trigger 或 Webhook 收到問題。
2. 先檢查使用者權限與查詢範圍。
3. Retriever tool 取回相關 chunk。
4. AI Agent 只根據取回資料回答。
5. Output Parser 要求回答包含 answer、sources、confidence。
6. 如果信心不足，回覆「找不到足夠資料」，不要硬答。

可追溯來源是 RAG 能否上線的核心。缺少來源、版本與權限邊界時，回答寫得再流暢也不能當成可靠的正式系統輸出。

實戰案例三：客服 ticket / GitHub issue 分流

如果你做 SaaS、軟體服務或內容產品，n8n 也適合用來處理 ticket：

• Webhook 接收客服表單、Intercom、Zendesk、GitHub issue。
• AI 判斷類型：bug、帳號、付款、功能建議、教學需求。
• 從原始訊息提取重現步驟、環境資訊與已有的文件連結；缺少的欄位標「待確認」，不要自行編造。
• 高風險 ticket 送人工；低風險 ticket 產生回覆草稿。
• 如果是工程問題，建立 GitHub issue 並加上 label。

這個案例的關鍵是不要讓 AI 直接關閉 ticket。AI 可以摘要、分類、補資料，但最後是否結案應該由人或明確規則決定。

正式上線前的檢查清單

能跑一次的 workflow 不等於能上線。只要它會影響客戶、資料、金錢或內部決策，就要檢查下面這些項目。

檢查項	為什麼重要	n8n 做法
Idempotency	避免 webhook 重送造成重複寫入	用穩定的事件 ID 與操作類型建立唯一鍵，寫入端加唯一約束；Email 不能辨別同一人不同事件
Retry	API 短暫失敗不該讓流程全毀	節點重試、等待後重送；失敗 execution 可用目前或原始 workflow 版本重跑
Error workflow	失敗要有人知道	建立全站錯誤通知 workflow
Rate limit	避免打爆第三方 API	分批、Wait、Queue、節流
Versioning	改流程要可回溯	複製 workflow 測試後再替換
Observability	問題要能追	execution log、外部 log、告警
Secrets	API key 不該散落在節點文字	使用 credentials，不把 key 寫進 prompt
Cost guardrail	AI 成本會隨流量放大	記錄 token、限制重試、控制長 context

流程能長期運作，必須做到失敗可追、操作可回復、敏感動作可攔截；成功跑過一次示範還不夠。

安全與權限：AI workflow 最容易出事的地方

Agentic workflow 常見的風險是模型讀到不可信輸入後，照著惡意指令呼叫工具。只要 workflow 會讀取外部表單、Email、網頁內容、文件或 ticket，就要把那些內容視為不可信資料。

建議規則：

• 外部輸入永遠不能直接變成系統指令。
• Tool 描述要短而明確，不要讓 Agent 猜權限。
• 刪除、付款、改權限、寄正式信件，必須 human review。
• credentials 用最小權限，不要拿個人管理員 token。
• prompt 不要包含 API key、內部密碼、無必要個資。
• execution log 如果含個資，要設定保存策略與可存取人員。
• 從網路下載的 n8n template，不要直接接上正式 credentials。
• 自架管理員可執行 n8n audit，檢查不安全的 credentials、未受保護的 webhook、危險節點、設定缺口與過舊版本。

特別是 n8n template 很方便，但也容易讓人忘記檢查每個節點到底做了什麼。正式使用前要逐一檢查 HTTP Request、Code node、外部 URL、credentials 權限與輸出目的地。

n8n、Make、Zapier 怎麼選？

需求	優先考慮
非技術人員快速串 SaaS	Zapier
視覺化流程、行銷營運、資料格式轉換	Make
自架、複雜 API、資料庫、工程化 workflow	n8n
AI Agent + workflow as tool	n8n
大量模板、最少維運	Zapier / Make
需要 debug、分支、程式補邏輯	n8n / Make

簡單說：Zapier 最容易上手，Make 適合視覺化營運流程，n8n 適合需要自架、複雜 API、資料庫與 AI Agent 工具權限的技術型自動化。若你仍無法決定，先用同一個小流程試做，例如「表單進線後分類並通知 Slack」，再比較建置時間、錯誤排查與每月執行成本。

卡在不同步驟時，該看哪份教學？

如果你已經知道卡在哪一步，可以直接查對應的細部操作：

你的問題	建議下一步
還不知道 Trigger、Webhook、HTTP Request、IF、Code 怎麼選	看 n8n 節點大全
要接表單、API、外部事件或 LINE / CRM 進線	看 n8n Webhook 教學
要做 AI Agent、Tools、Memory、人工作業審核	看 n8n AI Agent 實戰
要決定 Cloud、自架、Docker、VPS、Queue mode	看 n8n 自架教學
還在比較 n8n、Make、Zapier	看 AI 自動化工具比較
想知道 Make 是否比較適合營運團隊	看 Make AI Agents 教學
想先用最簡單方式串 SaaS	看 Zapier Agents 教學
想理解 workflow 這個概念	看 AI 工作流完全指南
要把 agent 放進正式環境	看 AI Agent 生產化部署指南
公司要做權限、稽核、治理	看 企業 AI Agent 檢查清單

30 天導入路線圖

第 1 週：找出值得自動化的流程

不要從工具開始，先列出每週重複發生的工作：

• 表單進線整理
• 客服 ticket 分類
• 會議記錄摘要
• 報表更新
• CRM 欄位補齊
• 內容發布通知

挑一個「頻率高、風險低、輸入格式穩定」的流程當第一個 n8n 專案。

第 2 週：做出最小可用 workflow

先不要加 AI。用 Trigger、Edit Fields、IF、HTTP Request、通知節點做出可運行版本。每個節點都要能解釋：

• 這一步吃什麼資料？
• 這一步產生什麼資料？
• 失敗會怎樣？
• 是否會改動外部系統？

第 3 週：加入 AI 分類或草稿

把 AI 放在「判斷、摘要、分類、草稿」的位置。不要一開始就讓 AI 做不可逆動作。輸出盡量要求 JSON，再用 IF 節點接下一步。

第 4 週：補上上線條件

上線前檢查：

• 是否有 error workflow？
• 是否有人工審核條件？
• 是否能避免重複寫入？
• credentials 是否最小權限？
• 是否能追 execution？
• 是否有成本上限或流量限制？

常見問題

n8n 適合完全不會寫程式的人嗎？

可以入門，但如果你要做複雜 API、資料庫、AI Agent 或自架，會一點 JavaScript、JSON、HTTP 概念會很有幫助。完全 no-code 團隊可以先用 Make，等流程變複雜再評估 n8n。

n8n Cloud 和自架哪個比較好？

驗證流程時先用 Cloud 比較快；資料敏感、需要內網、想控制成本或有工程維運能力時，再考慮自架。自架不是免費，還要算主機、備份、更新、監控與人力。

n8n AI Agent 可以直接取代客服或業務嗎？

不建議直接取代。比較穩的做法是讓它整理資料、分級、摘要、產生草稿，再由人確認高風險或高價值案件。AI 做助理，人做承諾與決策。

n8n 做 RAG 一定要向量資料庫嗎？

如果文件少，可以先用簡單搜尋或固定資料源；文件量變大、需要語意搜尋、需要持續更新時，再導入 vector database。除了能否回答，還要檢查權限、來源與版本。

n8n 的一次 execution 怎麼計算？

n8n Cloud 以整條 production workflow 從開始到完成的一次運行計為一次 execution，流程內有 5 個或 50 個節點都不會拆開計次。手動測試是否計費、失敗與重試如何計入，可能隨方案規則調整；正式估算前請用自己的每日觸發量、重試率與尖峰 concurrency 對照官方定價頁。

今天先做哪一條 workflow？

如果你只是想快速體驗，今天就做一條「表單進線 → AI 分級 → 人工確認 → CRM 更新」的 workflow。這條流程夠小、夠實用，也很容易看出 n8n 的價值。

如果你是要把 n8n 當正式系統，請不要只問「能不能自動化」。你真正要問的是：

• 失敗時誰會知道？
• AI 什麼時候不能自己決定？
• 哪些工具需要最小權限？
• 哪些資料不能進 prompt？
• 哪些輸出必須保留來源與紀錄？

能回答這些問題，n8n 才有機會成為網站和業務流程裡可長期維護的自動化基礎建設。

參考來源

以下官方文件於 2026 年 9 月 14 日查閱；範例分數與操作門檻是本站教學設計。

• n8n Docs：Build your first workflow
• n8n Docs：Export and import
• n8n Docs：HTTP Request
• n8n Docs：Webhook
• n8n Docs：Integrate AI
• n8n Docs：Tools Agent
• n8n Docs：Human-in-the-loop for tools
• n8n Docs：Retrieve relevant context
• n8n Docs：Host n8n
• n8n：Pricing
• n8n Help Center：Cloud subscription features
• n8n Docs：Gateway credits
• n8n Docs：View all executions
• n8n Docs：Run security audits