我的 n8n 是自架在樹莓派上的，跑了兩年多，是家裡最可靠的成員。

上個月我用它搭了一個 agent，想說很單純：監看 Google 雲端硬碟裡的某個資料夾，
有新檔案就丟給 LLM 節點做摘要和分類，把日期、類別、重點整理進 Google 試算表。

我抓了十個檔案測試。十個全對。
摘要到位、分類正確、日期漂亮地排進試算表。我把 workflow 存起來，關掉螢幕，
覺得今天真是有效率的一天。

然後真實的檔案進來了。

它是怎麼死的

第一週：日期全歪。
真實世界裡，別人給你的檔案日期什麼形狀都有：2026/8/1、20260801、
「八月一日」、還有從老系統匯出的 Excel 序號 45723。
demo 的十個檔案剛好都是規矩的 YYYY-MM-DD。LLM 節點遇到看不懂的格式，
沒有說不知道，它很有自信地猜了一個——猜錯了。
試算表上那個月的統計圖，從此變成裝置藝術。

第二週：無中生有。
有一欄是「發票號碼」。某個 LLM 節點的回覆裡，發票號碼欄填得滿滿的，
格式漂亮、開頭正確——但來源檔案裡根本沒有這個號碼。
它不是讀錯，是編的。而且因為填對了格式，我第一眼完全沒發現。

第三週：改一行 prompt，壞三個案例。
為了修分類問題，我打開終端機，用 Pi（pi.dev 的開源 coding agent）改 prompt 裡的一句話——
十秒鐘搞定，快到來不及思考。分類是好了，但摘要任務有兩個案例開始漏重點、一個開始講英文。
n8n 的執行紀錄會告訴我節點「成功」——但它不知道什麼叫「品質退化」。
那個瞬間我發現：AI 把「改」的成本降到幾乎為零，這讓沒有回歸防護的 workflow 更危險，
不是更安全。

demo 死了。不是 n8n 的問題，也不是模型不夠強。
是我從頭到尾都在測「它能不能跑」，從來沒測過「我敢不敢讓它上」。

「能跑」和「敢上」中間的四個缺口

1. 你不知道它的錯誤率。
測試是十個精心挑的檔案；production 是每天幾百個你不認識的輸入。
沒有黃金資料集之前，正確率只是感覺，不是數字。

2. 你沒有回歸防護。
改 prompt、換模型版本，輸出分佈就變了。改程式有測試擋著，
改 prompt 卻是裸奔——壞了不會有人告訴你，直到試算表長成裝置藝術。

3. 你沒有定義邊界。
遇到加密 PDF、掃描圖片，它應該標記「我處理不了」還是硬編一個？
LLM 節點的預設行為是後者——靜默編輸出，比報錯危險十倍。

4. 你看不見它。
n8n 的執行紀錄只記成功與失敗。LLM 節點每一次的依據、每一次的幻覺，
如果沒有另外留下痕跡，出事時你只能憑感覺修。

這個系列要幹嘛

接下來三十天，我用這組真實的技術棧當案例：樹莓派上自架的 n8n（雲端硬碟 → LLM → 試算表的
自動化流程）＋ Pi（pi.dev 的終端機 AI coding agent，MIT 開源、極簡到不內建 MCP 和子代理，
工具要自己長——正好跟這個系列「自己蓋、不依賴」的路線同一種個性）。
從零蓋一套「AI 可靠性工程」，不是概念文——每一步都有可重現的步驟、
可匯入的 workflow 檔、和 before/after 數據。方法通用於任何 stack，
你用 Make、Zapier 或 Claude Code、自己寫的 agent 都適用。

• 第 1 週｜基礎：把 workflow 的失敗案例收集成黃金資料集，量出真實正確率
• 第 2 週｜驗證：上下文工程（壓縮、隔離）、規則評分器、LLM-as-judge 校準
• 第 3 週｜防護：eval 掛進排程回歸、tracing 行車記錄器、降級路徑（處理不了的檔案怎麼辦）
• 第 4 週｜攻防：對自己的 agent 做紅隊——提示注入、目標劫持、工具濫用，對照 OWASP GenAI 2026 榜
• 第 5 週｜收尾：線上監控、成本工程、上線檢查清單，全套 workflow 檔開源

兩個貫穿的原則先說好：

先量測，再改動。 沒有 before/after 數據的最佳化都是猜。
先定義失敗，再追求成功。 紅線案例比成功案例優先。

想跟著做的話，先準備這些

• n8n：自架（樹莓派、NAS、小主機都行）或 n8n Cloud，官方文件
• Pi coding agent（免費、MIT 開源）：官網 pi.dev，安裝一行：
  npm install -g --ignore-scripts @earendil-works/pi-coding-agent，
  中文入門指南；支援 15+ 家模型，中文教學看菜鳥教程這篇
• Google 帳號：雲端硬碟＋試算表各一，Drive 節點文件、Sheets 節點文件
• n8n 範本庫：一萬多個現成 workflow，搜 "Google Sheets" 就有一堆可以直接匯入改
• 之後的每一篇我都會附「可匯入的 workflow 檔」和當天的測試資料，照著點就能重現

明天

Day 02 畫出「AI 可靠性工程」的全景圖：evals、tracing、guardrails 各自管什麼、
順序為什麼是這樣，以及——為什麼大部分教程的順序是錯的。

如果你也有一個「demo 很漂亮、上線很可怕」的自動化流程，這個系列是寫給你的。
歡迎訂閱跟著煉。