昨天使用 IF Node 搭配 Email，讓 Workflow 可以做到：

緊急資料 → 自動寄 Email

一般資料 → 儲存到 Google Sheets

不過目前還有一個問題。

昨天傳進來的資料長這樣：

{
  "text": "系統目前完全無法登入",
  "status": "urgent"
}

status 已經事先告訴 Workflow 這筆資料是緊急的。

但真實情況下，使用者通常只會輸入：

「系統完全不能登入，我現在急著要使用！」

他不太可能自己再補上一個：

status = urgent

所以今天想讓 AI 幫忙完成這件事：

讀取文字 → 判斷內容 → 自動分類

今天要完成的 Workflow

昨天的流程是：

Webhook

↓

IF Node

↙　　　　↘

urgent　 normal

↓　　　　 ↓

Email　 Google Sheets

今天要在中間加入 AI：

Webhook

↓

AI 分析文字

↓

IF Node 判斷 AI 的結果

↙　　　　　　　↘

urgent　　　　 normal

↓　　　　　　　 ↓

Email　　　　 Google Sheets

這次使用者只需要提供文字，剩下的交給 Workflow 自己處理。

Step 1：修改 Webhook 測試資料

首先把昨天的 status 拿掉。

今天傳進來的資料只需要：

{
  "text": "系統完全無法登入，我現在急著要使用！"
}

也就是說，Webhook 完全不知道這筆資料是不是緊急。

圖 1　Webhook 接收到只有 text 的測試資料

接下來就把 text 交給 AI。

Step 2：加入 AI 分類

在 Webhook 後面加入前面使用過的 AI 相關 Node。

但 Day 9 是叫 AI：

幫我摘要這段文字。

今天的任務不一樣。

我們希望 AI 幫忙「分類」。

所以 Prompt 可以設定成：

請判斷以下內容屬於 urgent 或 normal。

判斷方式：
如果內容表示系統無法使用、發生嚴重錯誤，
或需要立即處理，回答 urgent。

其他一般問題、建議或不緊急的內容，回答 normal。

只回答 urgent 或 normal，不要加入其他文字。

內容：
{{ $json.body.text }}

實際 Expression 要依照自己的 Webhook Output 結構調整。

圖 2　設定 AI 分類用的 Prompt

為什麼要限制 AI 的回答？

這次 Prompt 裡面有一句很重要：

只回答 urgent 或 normal，不要加入其他文字。

假設沒有這個限制，AI 有可能回答：

「根據使用者描述，目前系統無法登入，因此我認為這是一個 urgent 的問題。」

人看得懂，但 IF Node 就比較難直接判斷。

我們真正希望得到的是：

urgent

或：

normal

這樣後面的 IF Node 就可以直接使用 AI 的輸出。

這也是我開始發現 AI 自動化跟平常使用 ChatGPT 不太一樣的地方。

平常聊天可能希望 AI 回答得越完整越好。

但是在 Workflow 裡：

有時候反而希望 AI 的輸出越固定越好。

因為下一個 Node 還需要繼續使用這個結果。

Step 3：查看 AI 的分類結果

先使用：

系統完全無法登入，我現在急著要使用！

進行測試。

如果 Prompt 設定正常，AI 應該會回傳：

urgent

圖 3　AI 成功將文字分類為 urgent

這裡可以直接查看 AI Node 的 Output，確認實際輸出的欄位和內容。

因為下一步 IF Node 就需要讀取這個結果。

Step 4：讓 IF Node 判斷 AI 的結果

昨天 IF Node 判斷的是：

status = urgent

但今天已經沒有 status 了。

所以要改成判斷：

AI 的輸出是否等於 urgent？

概念上就是：

AI Output
is equal to
urgent

如果 AI 回傳：

urgent

走 True。

如果 AI 回傳：

normal

走 False。

圖 4　IF Node 根據 AI 分類結果進行判斷

這一步完成後，就成功把：

AI 的判斷

轉換成：

Workflow 的路線選擇

Step 5：測試 urgent

先測試比較明顯的緊急內容：

{
  "text": "系統完全無法登入，所有功能都不能使用，請立即處理！"
}

預期流程：

Webhook

↓

AI

↓

urgent

↓

IF → True

↓

Email

↓

發送緊急通知

如果最後真的收到 Email，就代表整條流程成功。

Step 6：再測試 normal

接著換成：

{
  "text": "希望之後可以增加深色模式。"
}

這次 AI 應該分類成：

normal

接著：

Webhook

↓

AI

↓

normal

↓

IF → False

↓

Google Sheets

最後可以去 Google Sheets 看看有沒有新增這筆資料。

圖 5　AI 分類後自動選擇不同 Workflow 路線

AI 開始真的參與「決策」

我覺得今天跟 Day 9 最大的差別，是 AI 的角色改變了。

Day 9 的 AI 主要負責：

文字 → 摘要

AI 處理完之後，把結果交給我們看。

但今天變成：

文字 → AI 判斷 → IF Node → 執行不同動作

AI 的輸出會直接影響 Workflow 下一步要做什麼。

例如：

使用者輸入
      ↓
     AI
      ↓
判斷 urgent / normal
      ↓
    IF Node
   ↙       ↘
Email    Sheets

這就比單純使用 ChatGPT 更接近我一開始想學的「AI 自動化」。

但 AI 的判斷一定正確嗎？

做到這裡，也出現一個新的問題。

例如使用者輸入：

「登入有點慢，但還可以正常使用。」

這到底算 urgent 還是 normal？

不同 Prompt，甚至不同模型，都可能產生不一樣的結果。

所以如果真的要把這種 Workflow 用在重要系統裡，不能只想：

「AI 可以幫我判斷。」

還需要思考：

判斷標準是不是寫得夠清楚？

甚至可以多測試幾種不同的句子：

這其實也是 Prompt 設計很重要的地方。

今日小結

今天終於把前面幾天學到的東西真正串起來了。

現在使用者只需要傳送：

{
  "text": "系統完全無法登入！"
}

後面的事情可以交給 Workflow：

Webhook 接收資料 → AI 理解內容 → AI 分類 → IF Node 判斷 → Email / Google Sheets

做到這裡，我覺得 AI 自動化最重要的一個概念開始變得比較清楚：

AI 負責處理比較難用固定規則理解的內容，自動化工具負責按照結果執行下一步。

不過今天的 AI 只有兩種分類：

urgent / normal

如果未來有三種、四種甚至更多分類，一直增加 IF Node 好像會變得很亂。