昨天認識了 n8n，也知道 Workflow 是由一個個 Node 組成的。今天終於要開始實際操作，不再只是看概念。

第一次實作我不打算直接加入 AI，而是先做一個很簡單的 Workflow，了解 Node 怎麼連接、資料怎麼傳遞，以及 Workflow 怎麼執行。

今天要做什麼？

今天的目標很簡單：

手動啟動 → 建立資料 → 處理資料 → 查看結果

雖然這個流程還沒有真正使用 AI，但如果連基本的資料傳遞都還不熟悉，後面直接串 AI 反而會更容易搞混。

Step 1：建立新的 Workflow

進入 n8n 後，首先建立一個新的 Workflow。

一開始畫面上基本上沒有什麼東西，需要自己加入第一個 Node。

圖 1　建立新的 n8n Workflow

我也把這次的 Workflow 命名成：

My First Workflow

這樣之後建立更多流程時會比較容易區分。

Step 2：加入第一個 Trigger

每個自動化流程都需要知道：

「什麼時候要開始執行？」

所以第一個要加入的是 Trigger。

第一次練習可以使用 Manual Trigger，也就是由自己手動啟動 Workflow。

這和未來真正的自動化不太一樣，之後可能會使用：

收到 Email → 啟動
有新的表單資料 → 啟動
到指定時間 → 啟動

但現在使用 Manual Trigger，可以讓我自己控制什麼時候執行，比較適合第一次測試。

圖 2　加入 Manual Trigger

Step 3：建立一些測試資料

接下來需要準備資料，讓後面的 Node 可以處理。

例如我可以建立一筆簡單的學生資料：

name: LWB
subject: AI Automation
status: Learning n8n

這些資料本身沒有什麼特別，主要是拿來觀察：

資料到底是怎麼從一個 Node 傳到下一個 Node？

在 n8n 裡，前一個 Node 的輸出可以成為下一個 Node 的輸入。

因此整個流程開始變成：

Manual Trigger
↓
建立測試資料
↓
下一個 Node 接收資料

圖 3　建立測試資料並查看輸出結果

Step 4：執行 Workflow

設定完成之後，就可以實際執行 Workflow。

執行成功後，可以看到資料按照設定好的方向傳遞到下一個 Node。

這時候我才真正理解前一天提到的「Workflow」。

它不是單純把幾個方塊畫在一起，而是：

每一個 Node 都會接收資料、完成自己的工作，再把結果交給下一個 Node。

這也是後面加入 AI 時很重要的概念。

如果把 AI 加進來呢？

今天的流程目前只是：

Trigger → 資料 → 處理 → 結果

但其實只要把其中一個處理步驟換成 AI，就可以變成：

Trigger
↓
取得文章
↓
AI 分析文章
↓
產生摘要
↓
儲存結果

這樣就開始接近我們前幾天一直提到的「AI 自動化」了。

所以今天看起來只是在建立一個很簡單的 Workflow，但其實是在為後面的 AI Workflow 打基礎。

今天遇到的問題

第一次使用 n8n 時，我覺得最需要適應的是它的資料流概念。

以前使用 ChatGPT 時，就是輸入問題、得到回答。

但是 n8n 需要多想一步：

上一個 Node 輸出了什麼？下一個 Node 又需要什麼？

當 Node 越來越多之後，如果沒有先搞清楚資料從哪裡來、要到哪裡去，Workflow 很容易變得很亂。

所以今天先用最簡單的資料練習，我覺得反而比較容易理解。

今日小結

今天終於建立了第一個 n8n Workflow。

雖然目前還沒有真正加入 AI，但我已經開始了解 n8n 最基本的操作方式，以及資料如何在不同 Node 之間傳遞。

目前可以把它簡單記成：

Trigger 負責開始，Node 負責工作，資料則沿著 Workflow 一步一步往下傳。

接下來就可以開始讓這個 Workflow 變得更像真正的「自動化」。