專案技術核心

本專案使用 n8n、Gemini 2.5 Flash、Gradio 與 Docker，完成文字與檔案自動處理任務。整個自動化流程可概括為：輸入 → LLM 處理 → 結果整理 → 回傳。

n8n Workflow 設計

• Webhook：接收文字或檔案輸入

• HTTP Request：呼叫 Gemini 2.5 Flash LLM

• Function 節點：資料解析、JSON 整理、檔案文字轉換

• Read Binary / Set / Merge 節點：檔案讀取與資料整合

• 流程策略：

  • 讀取資料 → 理解內容 → 整理結果 → 回傳
  • 節點串接須遵循資料流向，確保輸入輸出一致

Gemini 2.5 Flash 注意事項

• 選用 gemini-2.5-flash 模型，適合文字生成、摘要、問答
• API Key 必須正確配置
• JSON Body 格式需與節點輸入對應
• 回傳結果需 Function 節點解析，需處理空值或格式異常

Gradio 前端串接

• 提供文字輸入與檔案上傳介面

• 使用 Python requests.post 呼叫 n8n Webhook

• JSON 回傳結果即時顯示

• 注意：

  • 回傳字串不得為空
  • JSON Key 與 Function 節點一致
  • 檔案上傳需限制格式（PDF / CSV）

檔案處理技術

• PDF：pdf-parse 解析文字

• CSV：csv-parse/sync 解析資料

• Function 節點將檔案轉為文字 → LLM 分析 → 回傳

• 注意：

  • 檔案類型需與 File 節點設定一致
  • 套件必須正確安裝

容器化部署

• Docker 運行 n8n，Volume 確保 Workflow 持久化
• 避免端口衝突
• 可快速複製環境，方便團隊協作

錯誤排查與技巧

• Webhook 無回應 → 確認 Workflow 是否 Activate
• LLM 無回應 → 檢查 API Key 與 JSON Body
• Function 節點錯誤 → 檢查 $json 路徑與輸入格式
• Docker 問題 → 確認端口與 Volume 設定

技術能力提升

• 熟悉多節點串接與資料流設計
• 能夠處理文字與檔案輸入，自動生成摘要與答案
• 前後端整合能力提升：Gradio UI ↔ n8n Workflow ↔ LLM Agent
• 能在 Docker 環境下部署並管理自動化流程

專案延伸可能

• 多 Agent 協作處理不同任務
• 擴充前端互動方式：圖片、影片、音訊輸入
• 自動化報告與商業數據分析
• 高級自動化任務串接：LLM + n8n + Gradio + Docker