影片連結：https://www.youtube.com/watch?v=q2qZn-pMc5o
YouTube 頻道：https://www.youtube.com/c/kaochenlong

在上一集，我們已經成功讓 AI Agent 和 Google Sheets 串起來了。整個流程是這樣的：

輸入訊息 → AI Agent → 解讀訊息 → 寫到 Google Sheets

這一集我們要把 LINE 也加進來！

整合 Webhook

還記得之前我們在串接 LINE 的時候是怎麼做的嗎？我們用了一個 Webhook 節點，讓 LINE 的 Messaging API 把資料打進來。所以第一步，我們要把這個 Webhook 節點加到現在的工作流程裡。

你可以重新建立一個 Webhook 節點，但因為在之前已經做過一次了，所以也可以從之前的專案複製過來比較快，反正設定是一樣的。找到那個 Webhook 節點，把它複製起來（Ctrl+C），然後回到現在的工作流程貼上（Ctrl+V）。

貼上之後把 Webhook 節點連接到 AI Agent 照理說就能用了，但是要先處理一個問題。原本的 AI Agent 是綁在一個 Chat Trigger（聊天觸發器）上的，但現在我們的訊息是從 Webhook 進來的，所以待會要調整一下 AI Agent 接收訊息的方式。

資料整理用的 Edit Field (SET) 節點

剛好趁這個機會跟大家介紹一個我在 n8n 裡面很常用、也很好用的節點：Edit Field，也叫做 SET 節點。

為什麼要用這個節點？當 LINE 的 Messaging API 把訊息打進來時，資料結構有點複雜，裡面有一大堆欄位。例如：User Agent、Line Bot Webhook 2.0 等等一堆我們用不到的資訊。如果直接從這個複雜的資料結構去拉資料會有點麻煩，階層太複雜了

這並不是一個必要的節點，但 Edit Field 這個節點可以幫助我們把資料整理得更清楚，所以我想趁這個機會跟大家介紹這個好用的節點。

需要哪些欄位？

在這個記帳機器人裡，我們需要三個關鍵資料：

1. Message：使用者輸入的訊息內容（例如「排骨飯 100 塊」）
2. Reply Token：用來回覆訊息給使用者的憑證
3. User ID：識別是哪個使用者傳送訊息的 ID

等等，為什麼需要 User ID？

User ID

想像一下，這個記帳機器人也許不只你一個人用，也許會有其他朋友加進來。如果我說「我吃了排骨飯」，你也說「我吃了排骨飯」，那我們要怎麼知道這筆帳是誰的？

這就是為什麼我們需要把 User ID 也記錄下來，並且寫進 Google Sheets 裡。這樣一來，每筆記帳資料都會有對應的使用者 ID，未來要查詢「九月份的帳」或「十月份的帳」時，系統就知道要查的是誰的帳，而不會把別人的記錄也拿出來。

設定 Edit Field 節點

我們在 Webhook 後面加入一個 Edit Field 節點，然後開始整理欄位：

1. 加入 message 欄位：從 Webhook 的資料裡，把使用者的訊息內容拉進來，命名為 Message
2. 加入 replyToken 欄位：把 Reply Token 也拉進來（把前面的路徑前綴刪掉，只留 replyToken）
3. 加入 userID 欄位：找到 Source 裡的 User ID，拉進來命名為 userId

經過這樣整理之後，執行結果會非常清楚：

{
  "userId": "U1234567890abcdef...",
  "message": "排骨飯 100 塊"
  "replyToken": "abc123...",
}

有沒有覺得這樣看起來很乾淨、很漂亮？好啦，至少我覺得有！

調整 AI Agent 的輸入方式

現在資料整理好了，我們要把這些資料餵給 AI Agent。但問題來了：AI Agent 原本是綁著 Chat Trigger 的，現在我們的資料是從 Webhook 來的，該怎麼辦？

答案很簡單：把 AI Agent 的輸入方式改成 Define Below（自訂輸入）。

在 AI Agent 節點的設定裡，把輸入來源從原本的 Chat Trigger 改成 Define Below，然後在輸入欄位裡這樣寫：

user id: {{ $json.userId }}
message: {{ $json.message }}

這樣做的目的是什麼？我們要讓 AI Agent 同時知道兩件事：

1. 使用者是誰（User ID）
2. 使用者說了什麼（訊息內容）

這樣 AI Agent 就能正確地處理這些資訊。

更新結構化資料輸出

現在 AI Agent 會收到包含 User ID 的訊息了，但我們還需要告訴它怎麼處理這個 User ID。我們要在 Structured Output Parser（結構化資料輸出解析器）裡加入 ID 欄位：

{
  "id": "USER ID",
  "item": "排骨飯",
  "category": "飲食",
  "amount": -200,
  "date": "2025/9/30"
}

你可能會好奇「它怎麼知道要把 User ID 填進去？」別擔心，它是 AI Agent，是偉大的大模型耶。我們只要在提示詞裡說明「ID: 使用者ID」，它就知道該怎麼處理了。

修改 Google Sheets 設定

現在 AI Agent 會輸出包含 ID 的結構化資料了，我們也要相對應的調整 Google Sheets 的欄位。我在 Google Sheets 試算表裡加入一個新的 ID 欄位。不一定要叫這個名字，你也可以叫 UserID、User Id 都好，只要你知道自己在做什麼就好。

然後，回到 n8n 的 Google Sheets 節點，重新整理並設定對應欄位就行了

不出意外的話，測試應該就是成功了。資料成功寫進 Google Sheets，而且 ID 欄位也有資料了。

加入 LINE 回覆功能

現在整個記帳流程已經可以運作了，但還差最後一步：我要讓 AI Agent 在記完帳後，回覆一個訊息給使用者，告訴使用者「已記帳」。

還記得之前 LINE 串接的專案嗎？我們當時有用了一個藍色地球（HTTP Request）節點把訊息打回 Messaging API，然後 LINE 對話框就會收到訊息。同樣，如果你懶得重新再設定一次，也可以從之前的工作流把那顆地球複製過來。

設定 LINE Reply 節點

把之前做 LINE 串接的工作流的那顆藍色的地球（HTTP Request）複製過來接上去，把裡面的訊息改成：

{
  "replyToken": "{{ $('資料整理').item.json.replyToken }}",
  "messages": [
    {
      "type": "text",
      "text": "{{ $('AI Agent').item.json.output.item }}，已記帳！"
    }
  ]
}

這樣，當使用者輸入「我吃了排骨飯 100 塊」時，機器人就會回覆「排骨飯，已記帳」。

啟用工作流程

現在整個流程都設定好了，我們要把它正式啟動起來。在測試階段，我們都是手動執行，每次都要開開關關的，很麻煩。現在要讓它自動運作，就像一個真正的服務一樣。

啟用 n8n Workflow

點擊右上角的開關，把工作流程啟動（Active）。系統會跳出一些確認訊息，問你是否確定要啟動，點確定就可以了。

啟動之後，這個工作流程裡的 Webhook 就會開始監聽了。注意，啟動後 Webhook 的 Production URL（正式環境網址）才會生效。

更新 LINE Developer Console 設定

記得之前在 LINE Developer Console 設定的 Webhook URL 嗎？當時為了測試，我們用的是帶有 -test 的測試網址。現在工作流程可以正式啟用了，我們要把 Webhook URL 改成正式版的。

1. 打開 LINE Developers
2. 進入你的 Messaging API 頻道
3. 找到 Webhook 設定區塊
4. 編輯 Webhook URL，把網址裡的 -test 拿掉
5. 儲存設定
6. 點擊 Verify（驗證）按鈕，確認設定正確

驗證成功！這樣，LINE 就會把訊息打到我們正式的 Webhook 網址了。

記帳的資料都有正確解讀出來，而且 User ID 也有正確記錄下來。未來我們要做查帳功能時，就可以透過這個 User ID 去篩選，只查詢這個人的記帳記錄，不會把別人的資料也翻出來。

細節可能看影片操作會更清楚一些。

這一集我們已經把 LINE Bot、AI Agent 和 Google Sheets 三個服務整合在一起，下一集，也就是 LINE 記帳機器人系列的最後一集，我們會來做查帳功能，讓使用者可以查詢自己的記帳資料。