今天的目標與挑戰

昨天成功將 AI 處理的結果寫入 Notion，今天的目標不只是要加入 LINE 通知，而且我希望能整個系統架構進行一次最佳化，解決在本地執行 AI 模型時遇到的效能瓶頸。

• 改造工作流，建立非同步處理架構，使其能立即回應前端請求，解決超時問題
• 將兩次 AI 呼叫合併為一次，提升處理效率並降低錯誤率
• 整合 LINE 即時通知，採用 LINE Messaging API
• 為不同平台 Notion 和 LINE 準備適合的資料格式
• 加入自動重試機制，應對外部服務的臨時性故障

Step 1：建立 LINE Messaging API 服務並取得 Token

首先要先在 LINE 的開發者平台建立一個用於發送訊息的 Bot。

1-1 註冊/登入 LINE Developers 帳戶

1. 前往 LINE Developers 官網。
2. 使用個人 LINE 帳號登入後，首次登入會要求建立 LINE 開發者帳號。
   

1-2 建立 Provider

Provider 是管理 Channel 的單位，可以想像成是「開發團隊」或「公司」。

1. 登入後，在 LINE Developers Console 主控台的「Providers」區塊點擊「Create」。
2. 填寫 Provider 名稱，像是 GIGI 工作室，然後點擊「Create」。

1-3 建立 Messaging API Channel

Channel 就是我們要建立的 Bot。

1. 在剛建立的 GIGI 工作室 Provider 內，點擊「Create a Messaging API channel」。
2. 點擊「Create a LINE Official Account」按鈕。
   
   頁面會跳轉至「LINE Official Account Manager」的建立官方帳號頁面。
   
3. 填寫官方帳號的基本資訊，也就是指我們的 Bot
   • 帳號名稱：M2A Agent Bot
   • 電子郵件帳號：聯絡的 Email
   • 公司名稱：因為是選填，所以我沒有填
   • 業種：大分類與小分類我都選其他。
4. 勾選同意相關條款，然後點擊「Create」。
5. 完成建立後，會進入 Bot 的主頁面。

1-4 確認 Messaging API 已啟用

1. 在 Bot 的主頁面，點擊右上角的「設定」。
   

2. 在設定頁面中，點擊「Messaging API」。
   

3. 會看到頁面顯示「狀態」為「使用中」，這表示官方帳號已經是一個可以透過 API 操作的 Channel。
   

1-5 取得 Channel Access Token

回到開發者網站 LINE Developers

1. 回到 LINE Developers 官網並登入。
2. 在 GIGI 工作室 Provider 下，可以看到剛剛建立的 M2A Agent Bot 點擊進入 Channel 。
3. 在 Channel 設定頁面中，點擊上方標籤頁的「Messaging API」。
   
4. 在此頁面往下滑，會看到「Channel access token」的區塊，點擊「Issue」按鈕。
5. 系統會生成一長串的「Token」，請將它複製並妥善保存。
   

Step 2：架構非同步工作流

回到 n8n M2A Agent 的工作流，將工作流改造為非同步模式，以解決前端請求超時的問題。

2-1 設定「Respond to Webhook」節點

1. 將「Respond to Webhook」節點，從最後面移動至「Webhook」節點後面
2. 確保 Respond With 設定為 JSON，並將 Response Body 重新修改為以下內容

{
  "status": "processing_started",
  "message": "M2A Agent has received the request and is processing it in the background. Notification will be sent via LINE."
}

Step 3：建立 LINE Messaging API 認證

3-1 建立 LINE Messaging API 認證

使用 HTTP Request 節點來發送 API 請求，因此需要先設定好認證。

1. 在 n8n 裡點擊左上角的加號「+」，再點擊「Credentials」。
2. 搜尋並選擇「Header Auth」。
   
3. 填寫認證資訊：
   • Credential Name： LINE M2A Agent Credential
   • Name： Authorization （這是 HTTP Header 的欄位名稱，必須完全符合）
   • Value： Bearer CHANNEL_ACCESS_TOKEN
     （將 CHANNEL_ACCESS_TOKEN 替換為在 Step 1.5 取得的「Token」。Bearer 後面有一個空格）。
     

Step 4：Markdown 轉純文字的格式化處理

為了讓 LINE 通知訊息乾淨易讀，必須在發送前，將 AI 生成的 Markdown 內容轉換為純文字。

4-1 新增格式化處理節點

1. 在 Notion 的「寫入會議紀錄」節點之後，新增一個「Code」節點。
2. 重新命名為「Markdown 格式化處理」。
3. Mode： 選擇 Run Once for All Items。
4. Language： 選擇 JavaScript。

4-2 撰寫格式化程式

const item = $input.item;

function markdownToPlainText(markdown) {
  if (!markdown || typeof markdown !== 'string') return '';
  let text = markdown;
  text = text.replace(/(\*|_)(.*?)\1/g, '$2');
  text = text.replace(/^#{1,6}\s+/gm, '');
  text = text.replace(/(\*\*|__)(.*?)\1/g, '$2');
  text = text.replace(/~~(.*?)~~/g, '$1');
  text = text.replace(/\[([^\]]+)\]\([^\)]+\)/g, '$1');
  text = text.replace(/!\[.*?\]\(.*?\)/g, '');
  text = text.replace(/^\s*[\*\-\+]\s+/gm, '• ');
  text = text.replace(/^\s*\d+\.\s+/gm, '');
  text = text.replace(/^(---|\*\*\*|___)\s*$/gm, '');
  text = text.replace(/``````/g, '');
  text = text.replace(/`([^`]+)`/g, '$1');
  text = text.replace(/\n{3,}/g, '\n\n');
  return text.trim();
}

const summary = $('AI 摘要與任務提取').item.json.summary;
const tasks = $('AI 摘要與任務提取').item.json.tasks;
const notionUrl = $('寫入會議紀錄').item.json.url;

item.json.summary = summary;
item.json.tasks = tasks;

const lineMessageText = `會議處理完成通知

- 專案：GIGI 工作室內部專案
- 日期：${new Date().toLocaleDateString('zh-TW')}
- Notion 頁面：${notionUrl}

--- 會議摘要 ---
${markdownToPlainText(summary)}

--- 行動任務 ---
${markdownToPlainText(tasks)}`;

item.json.lineApiPayload = {
  "messages": [
    { "type": "text", "text": lineMessageText }
  ]
};

return item;

Step 5：整合 LINE 節點到 n8n 工作流

將 LINE 通知功能加入到 M2A Agent 工作流。

5-1 新增並設定 HTTP Request 節點

1. 回到 M2A Agent 工作流，在「Markdown 格式化處理」節點之後，新增一個「HTTP Request」節點。
2. 將節點重新命名為「發送 LINE 通知」。
3. 設定節點參數：
   • Method： POST
   • URL： https://api.line.me/v2/bot/message/broadcast
     （使用 broadcast API，向所有加入此機器人的好友發送訊息）
   • Authentication： Generic Credential Type
     • Generic Auth Type：Header Auth
       • Header Auth： 選擇剛剛建立的 LINE M2A Agent Credential
   • Send Body： 開啟
   • Body Content Type： JSON
   • Specify Body: 在右側將模式從 Fixed 切換為 Expression。單行表達式輸入框：{{ $('Markdown 格式化處理').item.json.lineApiPayload }}
   • Settings 分頁：切換到「Settings」分頁，開啟「Retry on Fail」，並設定 Retries 為 3 次，Retry Interval 為 60 秒。

Step 6：最佳化 AI 核心

「AI 摘要與任務提取」節點是整個流程的大腦，我們將其最佳化為一次呼叫，以提升處理效率，且可以取得所有需要的資訊，並加入錯誤處理。

將「AI 摘要與任務提取」節點內的內容修改為以下的內容

const webhookData = $input.first().json.body;
const inputText = webhookData.text;
const instruction = webhookData.instruction || "請幫我整理出重點並提取任務";
console.log('開始處理 AI 摘要與任務提取 (合併模式)...');

// 一次請求，同時取得摘要與任務
async function generateSummaryAndTasks(text) {
  const payload = {
    model: "qwen2.5-taiwan-7b-instruct-i1",
    messages: [
      {
        role: "system",
        content: "你是一個專業的會議記錄分析師。你的任務是從提供的文本中，生成一份包含摘要和行動任務的 JSON 物件。這個 JSON 物件必須且只能包含兩個鍵：'summary' 和 'tasks'。'summary' 的值是會議摘要的字串，'tasks' 的值是行動任務的字串。請確保在這兩個字串的值中使用 Markdown 語法來格式化內容 (例如 **粗體** 和項目符號)。不要在你的回應中加入任何額外的解釋或 Markdown 程式碼區塊，直接回傳純粹的 JSON 物件。"
      },
      {
        role: "user",
        content: `請根據上述指令，分析以下會議內容：\n\n${text}`
      }
    ],
    temperature: 0.5,
    max_tokens: 1024
  };

  try {
    const response = await this.helpers.httpRequest({
      method: 'POST',
      url: 'http://host.docker.internal:1234/v1/chat/completions',
      headers: { 'Content-Type': 'application/json' },
      body: JSON.stringify(payload),
      timeout: 300000
    });
    
    const responseData = typeof response === 'string' ? JSON.parse(response) : response;
    
    if (responseData.choices && responseData.choices[^0] && responseData.choices[^0].message) {
        let aiContentString = responseData.choices[^0].message.content;
        
        const jsonMatch = aiContentString.match(/``````/);
        if (jsonMatch && jsonMatch[^1]) {
          aiContentString = jsonMatch[^1];
        }

        const structuredResult = JSON.parse(aiContentString);
        return structuredResult;

    } else {
        throw new Error('合併API回應格式異常');
    }

  } catch (error) {
    return { summary: `處理失敗：${error.message}`, tasks: "因處理失敗，無法提取任務" };
  }
}

// 主要處理流程
try {
  const aiResult = await generateSummaryAndTasks(inputText);

  const result = {
    summary: aiResult.summary,
    tasks: aiResult.tasks,
    processing_info: {
      input_length: inputText.length,
      summary_length: (aiResult.summary || '').length,
      tasks_length: (aiResult.tasks || '').length, 
      processed_at: new Date().toISOString(),
      status: 'success'
    }
  };
  
  return [{ json: result }];

} catch (error) {
  return [{
    json: {
      summary: `處理失敗：${error.message}`,
      tasks: "無法提取任務",
      processing_info: { status: 'error', error_message: error.message }
    }
  }];
}

Step 7：測試與驗證通知系統

可以使用之前建立過的測試程式來觸發整個流程。

7-1 執行測試

1. ⭐重要⭐ 先確保 LINE 已加 M2A Agent Bot 為好友
   （可以透過 LINE Developers Channel 設定頁面中的「Messaging API」頁面裡面的 QR Codec 或 ID 加為好友）。
2. 執行可以測試整個流程的腳本

7-2 驗證測試結果

需要檢查三個地方

1. 終端機：確認腳本順利執行完畢。
2. Notion：確認「會議記錄」資料庫新增了一筆資料，而且內容完整。
3. LINE：確認收到了 M2A Agent Bot 發送的通知，且訊息格式乾淨、沒有 Markdown 語法。

成功的 LINE 通知訊息範例

會議處理完成通知

- 專案：GIGI 工作室內部專案
- 日期：2025/9/19
- Notion 頁面：https://www.notion.so/

--- 會議摘要 ---
會議討論了使用者認證系統的完成時間、開發環境的準備以及錯誤處理機制的研究，並安排了下週的壓力測試腳本編寫工作。

--- 行動任務 ---
• 志明 負責在週五前完成 Flask 應用程式的 JWT 集成和整個項目的 Dark 化，需在週三前準備好 DarkField 和 DarkCompose.yml。
• 志明 協助小美研究 N8n 的錯誤處理機制，並解決 Timeout 問題。
• 小美 完成 N8n 的工作流設計，特別是 Webhook 接收資料後寫入 notion 部分，在週四前準備測試版本供團隊測試，並開始規劃晚上的客製化規則以監控非預期的 API 呼叫。
• 志明 和 小美 分別在週五下午三點前完成系統壓力測試腳本並推上 GitHub，以便週末進行完整的整合測試。

關鍵挑戰

挑戰 1：處理耗時任務與前端超時

• 狀況：測試程式因為等待過久而發生 Timeout 錯誤等
• 問題分析：當 AI 模型處理較長文本時，整個工作流執行時間拉長
• 解決方案：將 n8n 工作流的架構從「同步」升級為「非同步」。透過設定 Webhook 節點的 Respond 模式，並搭配 Respond to Webhook 節點，讓系統在接收到請求的當下就立即回覆「任務已開始」，然後在背景繼續執行耗時的 AI 運算與後續流程。

挑戰 2：Markdown 格式在不同平台的顯示問題

• 狀況：Markdown 語法在 LINE 會造成閱讀困難
• 問題分析：AI 生成的內容包含 Markdown 語法，Notion 支援 Markdown 語法，發送到 Notion 可以正常排版，但是發送到 LINE 會造成閱讀困難。
• 解決方案：在 n8n 中插入一個 Code 節點「Markdown 格式化處理」。利用 JavaScript 的字串取代 （replace） 功能，撰寫一個 markdownToPlainText 函式，有效過濾各種 Markdown 符號，同時保留原始 Markdown 內容傳給 Notion 節點，達成「一源多用」的效果。

今天的成果總結

✅ 完成項目

• 將 M2A Agent 重建為非同步處理架構
• 成功建立 LINE Messaging API Channel
• 加入 Markdown 格式化處理機制，確保通知訊息的易讀性
• 在 n8n 工作流中透過 HTTP Request 節點整合 LINE 通知功能
• 將兩次 AI 呼叫合併為一次，大幅縮短處理時間。
• 為外部 API 呼叫加入了自動重試機制
• 完成了包含通知在內的端到端整合測試與驗證。

心得

今天學會了如何處理「異質性輸出」的問題，同一個 AI 生成的內容，在 Notion 中需要保留 Markdown 格式以獲得良好的排版，但在 LINE 中需要純文字。

透過在 n8n 中建立一個中間處理節點，成功地讓一份資料以不同的格式滿足不同平台的需求，讓我學到了自動化流程中「資料轉換」的精髓。

這些經驗讓我學會，一個穩定的自動化系統不僅是節點的串接，更重要的是對資料流的精準控制與轉換，還有漸漸開始真正的設計一個系統，從同步到非同步的架構轉變。

🎯 明天計劃
使用 Gradio 建立前端，讓使用者可上傳音訊與輸入處理指令，並且將專案結構標準化。