昨天認識了 JSON，也了解資料是怎麼從一個 Node 傳到下一個 Node。

做到 Day 8 為止，雖然我們一直在討論「AI 自動化」，但目前建立的 Workflow 其實都還只是一般的自動化。

所以今天終於要做一件重要的事：

把 AI 加進 n8n Workflow！

今天的目標先不要做得太複雜，我想讓 AI 完成一個很簡單的任務：

輸入一段文字 → AI 自動整理重點 → 輸出結果

今天要做的 Workflow

今天預計建立的流程是：

Manual Trigger
↓
建立一段測試文字
↓
AI 處理文字
↓
查看 AI 回傳結果

這次先改回 Manual Trigger，因為目前主要是在測試 AI，不需要等待 Schedule Trigger 的時間。

等整個 Workflow 測試成功後，再把 Trigger 換成自動執行就可以了。

Step 1：準備測試資料

首先建立一段簡單的文字，讓 AI 等一下可以處理。

例如：

AI 自動化可以將人工智慧加入自動化工作流程，協助使用者完成資料整理、文字摘要、分類與內容產生等工作。

我們可以把資料整理成類似：

{
"text": "AI 自動化可以將人工智慧加入自動化工作流程，協助使用者完成資料整理、文字摘要、分類與內容產生等工作。"
}

圖 1　建立要交給 AI 處理的測試資料

這時候就可以用昨天學到的：

{{ $json.text }}

取得 text 裡面的內容。

Step 2：加入 AI

接下來就是今天最重要的部分。

在 n8n 裡加入可以使用聊天模型的節點，並連接要使用的 AI 模型。

這裡會需要設定模型以及對應的 Credentials。實際可以使用哪些模型，會依照自己選擇的 AI 服務以及 n8n 當下支援的節點而不同。

圖 2　將 AI 模型加入 Workflow

第一次看到這些設定時可能會覺得比前幾天複雜很多，但其實可以先抓住一個重點：

前面的 Node 提供資料，AI 接收資料並按照 Prompt 處理。

Step 3：告訴 AI 要做什麼

有了 AI 還不夠，我們還需要給它 Prompt。

例如今天希望 AI 幫忙整理文字，就可以設定：

請閱讀以下內容，並將內容整理成簡短的重點摘要：
{{ $json.text }}

這裡其實就把前幾天學到的東西全部串起來了。

Day 3 學到的 Prompt，負責告訴 AI 要做什麼。

Day 8 學到的 Expression，負責把上一個 Node 的資料帶進來。

最後 AI 再處理這些資料。

也就是：

JSON 資料 + Expression + Prompt → AI 處理

圖 3　設定 Prompt 並帶入上一個 Node 的文字資料

Step 4：執行看看

設定完成後，就可以執行 Workflow。

如果前面的設定都正常，原本輸入的文字就會被傳給 AI，接著 AI 會根據 Prompt 產生新的結果。

例如原始資料可能是一整段文字：

AI 自動化可以將人工智慧加入……

經過 AI 處理後，就可能變成比較簡短的摘要。

圖 4　AI 處理文字後的輸出結果

這張我覺得是今天最重要的截圖，因為它可以直接看到 AI Node 真的有收到資料並產生結果。

今天終於有「AI 自動化」的感覺了

做到這一步後，我覺得跟前幾天最大的差別是：

以前的 Node 比較像是在按照我們設定好的規則處理資料。

但加入 AI 之後，就可以處理比較難直接寫成固定規則的事情。

例如：

摘要文章、判斷內容類型、產生文字、分析資料、整理重點。

這也是 AI 加入自動化流程後很有用的地方。

而且我們已經慢慢把前幾天學的東西組合起來了：

Trigger
↓
決定 Workflow 什麼時候開始

JSON
↓
負責傳遞資料

Expression
↓
取得需要的資料

Prompt
↓
告訴 AI 要完成什麼任務

AI
↓
處理內容並產生結果

原本看起來分開的東西，現在開始變成一個完整的 Workflow。

今日小結

今天第一次把 AI 真正加入 n8n。

目前做的事情雖然只是「把一段文字交給 AI 整理」，但已經完成了一個最基本的 AI Workflow：

輸入資料 → AI 理解資料 → AI 處理 → 輸出結果

接下來就可以開始增加一些實際用途。

例如今天是自己準備一段文字給 AI，下一步就可以想辦法讓資料從其他地方自動進來，而不是每次自己輸入。