前五天花了不少時間整理每天在做的事情，也試著把工作拆成觸發、資料、判斷和動作，到今天終於準備開始做第一條真的會跑的自動化流程。

不過我沒有直接挑最複雜的工作。

一開始列清單時，我其實很想做那種看起來很厲害的流程，例如 AI 自動讀完所有信件、判斷重要程度、建立待辦、排進行事曆，最後每天早上再產生一份完整摘要，如果全部串起來確實很有「自動化」的感覺。

但這幾天拆流程之後，我反而決定第一條先做小一點。

先找一件每天真的會重複的事

我最後挑的標準只有幾個：

會固定重複發生
流程大致固定
資料來源清楚
做錯了不會造成嚴重後果
完成之後我真的會使用

這幾個條件放下去之後，很多原本很想做的功能就先被排除了。

例如自動幫我回覆重要信件，確實可以省時間，但第一天就讓 AI 自己判斷內容再直接寄出去，我還是不太敢；相較之下，先把收到的資訊整理起來，產生一份摘要讓我自己確認，風險就低很多。

所以第一條流程我決定從「收集資料＋整理」開始。

先不要急著放 AI

以前看到自動化教學，我很容易一開始就想著這一步要接 LLM、那一步要讓 Agent 判斷，結果流程還沒有跑通，就已經塞了很多 AI 節點。

這次我刻意反過來做。

先確認資料能不能正常取得，再確認資料能不能送到下一步，接著處理格式，等整條基本流程可以從頭跑到尾之後，才把 AI 放進真正需要理解文字的地方。

我目前拆出來大概會像這樣：

取得資料
↓
整理需要的欄位
↓
交給 AI 摘要與分類
↓
把結果存到固定位置
↓
由我確認

看起來非常簡單，但實際開始做之後，很快就碰到以前畫流程圖時完全沒想到的小問題。

真正麻煩的是資料沒有想像中乾淨

例如同一種資料，有時候標題存在，有時候沒有；有些內容很短，有些卻非常長，甚至可能包含轉寄紀錄、簽名檔或一大串沒有必要交給 AI 的文字。

如果直接把所有內容原封不動丟進模型，AI 還是有可能整理出東西，但輸入會越來越亂，花掉的 token 也會增加。

所以今天花最多時間的地方，其實是在 AI 前面。

我要先決定哪些欄位留下、哪些內容刪掉，遇到空值怎麼辦，資料太長時要不要先截斷，重複資料又要怎麼避免再次處理。

這些事情單獨看都很小，可是其中一個沒有處理好，整條流程就可能開始產生很奇怪的結果。

AI 只負責它比較擅長的那一段

整理完資料之後，我才把 AI 接進來。

這次沒有讓它決定整條流程怎麼跑，只交給它兩個比較適合語言模型的任務：摘要內容，以及依照我設定的類別整理資料。

像是輸入一段比較長的文字後，希望它回傳：

摘要：
重要資訊：
類別：
是否需要後續處理：

輸出格式固定之後，後面的自動化也比較容易接，因為下一個步驟不用重新猜 AI 到底回了什麼。

做到這裡我也開始發現，AI 自動化真正好用的地方，不一定是把所有工作都交給模型，有些步驟用普通條件判斷反而更穩定，例如欄位是否為空、日期有沒有超過期限、資料是不是已經處理過，這些事情根本不需要 AI。

需要理解語意的部分再交給模型，整條流程反而比較容易控制。

第一次跑通的感覺跟 Demo 不太一樣

當第一筆資料真的從來源進來，經過整理、AI 摘要，最後出現在我設定的位置時，流程其實沒有多華麗。

但它跟之前單獨測 AI 最大的差別，是這次我沒有手動複製任何內容。

資料自己進來，流程自己往下走，AI 只在中間處理它該處理的部分，最後我看到的是已經整理過的結果，這才開始有一點「工作真的少做了一步」的感覺。

當然現在還不能直接放著不管，因為只測幾筆資料能跑，不代表明天遇到不同格式還能正常工作，所以我目前仍然保留人工確認，也先不讓流程執行任何不可逆的動作。

Day 6 算是第一次把前幾天整理的東西真正接起來，流程很小，但至少已經開始替我處理一件原本需要自己動手的事情。

明天就來故意把它弄壞看看，我想丟一些不完整、重複甚至格式奇怪的資料進去，看看這條第一天看起來很順的自動化，到底可以撐多久。