前幾天整理完每天重複做的事情之後，我原本很想直接打開 n8n 開始接流程。

Gmail 接進來、丟給 AI 分類、整理成待辦，再同步到其他工具，看起來就是一條很合理的自動化流程，而且只要節點拉一拉，很快就可以做出一個能跑的版本。

但真的準備開始做時，我卡在一個很基本的問題：

到底哪一步需要 AI？

如果連這件事都沒有先想清楚，很容易最後變成每個節點都接一次 LLM，看起來很 AI，實際上只是把一個原本很簡單的流程做得更貴、更慢，而且更難除錯。

所以 Day 4 我先沒有急著做很大的自動化，而是把第一條流程完整畫出來。

我先選「整理信件」當第一個流程

前幾天盤點重複工作時，信件是我覺得很適合拿來測的項目。

原因不是因為 Gmail 特別適合 AI，而是它的流程很好觀察。

我平常看到一封信之後，大概會做幾件事：先判斷重不重要，再看是不是需要我做什麼，如果有事情要處理就記下來，最後決定要不要回覆。

如果直接把這段做成自動化，大概會長這樣：

收到 Email
↓
讀取內容
↓
判斷信件類型
↓
找出待辦事項
↓
整理截止日期
↓
建立待辦
↓
需要時提醒我

畫出來之後才發現，這裡其實不是每一步都需要 AI。

例如「收到 Email」只是 Trigger，「建立待辦」可以直接用 API，「如果截止日期小於三天就提醒」甚至只是條件判斷。

真正比較需要 AI 的反而只有中間幾步：

這封信在說什麼？
有沒有需要我做的事？
截止日期是什麼？
重要程度大概如何？

因為這些東西不像寄件人、時間、標題一樣有固定欄位，需要理解信件內容才能判斷。

能寫規則的地方，我開始不想交給 AI

以前剛接觸 AI 自動化時，我很容易有一種想法：既然都叫 AI Automation 了，那就盡量讓 AI 做。

現在反而開始覺得剛好相反。

假設我要判斷：

截止日期 <= 3 天

這種東西直接寫條件就好，根本沒有必要問一次 LLM：

請判斷這個截止日期是否在三天內。

因為程式可以百分之百算出來的東西，交給模型反而多了一層不確定性。

同樣的道理，如果寄件人是固定的教授、系辦或某個系統通知，也可以先用規則處理，不一定每封信都送進 AI。

所以我現在會先把流程拆成三種東西：

固定規則 → 程式處理
需要理解 → AI 處理
真正重要 → 人決定

這個分類比我原本想像中重要很多。

第一版我不打算讓它自動回信

整理流程的時候，我也開始碰到另一個問題：到底自動化要做到哪裡才停？

例如 AI 已經可以讀信、整理內容，那下一步很自然就會想到：

順便幫我回信。

再往前一步甚至可以：

直接幫我寄出去。

技術上可能做得到，但我現在不打算第一版就做到這裡。

因為「整理一封信」做錯，頂多是待辦分類錯誤；「寄出一封信」做錯，影響就完全不同。

所以第一版我比較想做成：

Email
↓
AI 整理
↓
建立待辦
↓
需要回覆？
↓
產生回覆草稿
↓
我確認
↓
送出

AI 可以把前面的工作做掉，最後真正會對外產生影響的動作先留給自己確認。

這樣雖然沒有做到所謂的「全自動」，但對我來說反而比較像真的能每天使用的東西。

自動化不是節點越多越厲害

今天還沒有做出什麼很華麗的畫面，大部分時間都在畫流程、刪流程，再想哪些步驟真的值得自動化。

但整理完之後，我覺得比一開始直接打開工具拉十幾個節點清楚很多。

我現在的第一版大概只需要：

Trigger
↓
取得資料
↓
AI 理解
↓
規則判斷
↓
執行動作
↓
人工確認

真的需要的時候再往裡面加，而不是先把所有想到的功能全部塞進去。

這也讓我重新理解「AI 自動化」這四個字。

重點好像不是想辦法讓 AI 接管所有步驟，而是先找出流程裡哪些地方需要理解、哪些地方適合規則、哪些地方一定要保留人工確認，再把它們接起來。

明天終於可以開始真的動手做第一條流程了。

我想先從最小版本開始：收到一筆資料之後，自動判斷內容，再把整理好的結果送到下一個地方。

先讓一條小流程穩定跑起來，再慢慢把它變成真的能每天幫我省時間的東西。