Day 16：喚醒大腦：在 n8n 串接 OpenAI / Gemini 雲端 AI 引擎

嗨，大家今天過得好嗎？歡迎來到鐵人賽 Day 16。

過去五天，我們在 n8n 的畫布上穿梭，完成了接收請求、撈取資料庫、以及串接外部匯率 API 等基礎後端建設。現在，我們手上有一包非常豐富的 JSON Payload：裡面有使用者的「預算與需求」，還有從 Postgres 撈出來的「精選硬體清單」，以及最新的「美金匯率」。

萬事俱備，只欠東風。今天，我們要把這套系統真正的「大腦」植入工作流中，讓它具備思考與推薦的能力！

告別手刻 API：n8n 的 Advanced AI 節點

如果你以前寫過串接 OpenAI 的程式碼，你一定知道那有多煩人。你要發送 HTTP Request 到 /v1/chat/completions，要在 Header 塞 Bearer Token，還要小心翼翼地把對話歷史包裝成 {"role": "user", "content": "..."} 的 JSON 陣列。萬一 AI 吐出來的格式壞掉，整個系統還會崩潰。

但在 n8n 裡面，因為它底層整合了強大的 LangChain 框架（也就是 n8n 裡的 Advanced AI 節點群），我們完全不用管那些繁瑣的 API 規格。

實作步驟一：建立 Basic LLM Chain

1. 在昨天整理好最終資料的 Edit Fields 節點後方，點擊 + 號。
2. 這次不要在一般搜尋框找，請點擊搜尋面板左側的 「Advanced AI」 分類。
3. 選擇 Basic LLM Chain 節點。

這個 Basic LLM Chain 就是我們跟 AI 對話的「處理中心」。但你會發現，這個節點的下方有一個「缺口」，提示你需要接上一個 Model。

這就是 n8n AI 節點特有的 UX 設計：主處理中心與模型是分離的。 這樣設計的好處是，你可以隨時熱插拔、無縫切換不同廠商的 AI 大腦，而不用重寫前面的邏輯。

實作步驟二：插上大腦晶片 (連線 Model 子節點)

現在，我們要決定使用哪家廠商的 AI。目前主流且好用的選擇通常是 OpenAI 或是 Google Gemini。

1. 點擊 Basic LLM Chain 節點下方 Model 旁邊的 + 號。
2. 搜尋並選擇你要的供應商，例如 OpenAI Chat Model 或是 Google Gemini Chat Model。
3. 這時候它會要求你輸入 Credentials (API Key)。請去 OpenAI 的 Platform 或是 Google AI Studio 申請一把 API Key 貼上來。

** 踩坑與省錢警告：慎選 Model 版本**
在設定 Model 節點時，裡面會有一個 Model 下拉選單。請絕對、務必要去確認你選的模型版本！
很多新手沒注意，預設選到了舊版且昂貴的模型（例如 gpt-4-32k 或舊版 gemini-pro），只要測個幾次 API 額度就燒光了。開發階段，強烈建議選擇 gpt-4o-mini 或是 gemini-1.5-flash，不僅速度飛快，而且便宜到幾乎像不用錢，用來做硬體菜單推薦綽綽有餘。

試運轉：大腦開機確認

晶片插好之後，我們先來簡單測試一下大腦有沒有通電。

點開 Basic LLM Chain 節點，你會看到裡面有一個 Prompt 欄位。
先不管我們前面準備的那一大包硬體資料，請在 Prompt 裡隨便打一句測試的話，例如：
「你好，請用一句話告訴我你是一台組裝電腦推薦 AI。」

按下右上角的 Execute Node。

等個兩三秒，看看右邊的 Output 視窗。如果回傳了類似：

"你好！我是您的專屬電腦組裝助手，為您量身打造最高性價比的硬體菜單！"

太感人了！我們的後端工作流正式擁有了靈魂！

小結

今天我們成功把 OpenAI / Gemini 的大腦掛載進了 n8n 的工作流裡，而且完美避開了繁瑣的 API 封裝過程。

但如果你有跟著做，一定會發現一個問題：剛剛我們在 Prompt 裡輸入的，只是寫死的純文字。那我們辛苦從前端、資料庫、外部 API 收集來的那一大包動態 JSON 資料，到底要怎麼「餵」給這顆大腦呢？

這就是全端 AI 應用中最有價值、也最考驗工程師功力的地方。明天，我們要來玩 工作流中的 Prompt Engineering（提示詞工程），教你如何用動態變數把商業邏輯完美注入 AI 的大腦！

我們 Day 17 見！