昨天使用 Switch Node，把 AI 的分類結果分成：

urgent

question

suggestion

接著讓不同類型的資料進入不同的處理流程。

不過在測試的時候，我發現一個 AI 自動化很容易遇到的問題：

我明明叫 AI 只回答 urgent，它為什麼還是可能多講一堆？

例如我們希望得到：

urgent

AI 卻可能回答：

This message is classified as urgent.

對人來說意思完全一樣，但對 Switch Node 來說：

urgent

和

This message is classified as urgent.

是兩個不同的字串。

所以今天要解決的問題就是：

如何讓 AI 的輸出更固定，讓後面的 Node 可以穩定使用？

為什麼 AI 輸出格式很重要？

平常使用 ChatGPT 時，我通常希望回答越完整越好。

但在自動化 Workflow 裡，情況有點不一樣。

假設 Switch Node 的規則設定：

AI Output = urgent

那前面的 AI 最好就真的輸出：

urgent

而不是：

這是一個 urgent 的問題。

不然原本設計好的自動化流程就可能無法正確分流。

所以今天我開始理解：

在 AI 自動化中，不只要在意 AI 回答得對不對，還要在意回答的「格式」對不對。

Step 1：先看看不夠明確的 Prompt

假設 Prompt 只寫：

請幫我判斷以下內容屬於哪種類型：

{{ $json.text }}

類型有 urgent、question、suggestion。

這個 Prompt 人類看起來沒有什麼問題。

但 AI 可能回答：

這段內容屬於 urgent，因為使用者表示系統目前完全無法使用。

甚至可能回答：

分類結果：urgent

分類其實都是正確的，但這些結果對後面的 Switch Node 不一定好處理。

圖 1　沒有嚴格限制格式時的 AI 輸出

Step 2：把 Prompt 寫得更明確

接著修改 Prompt。

這次除了告訴 AI「要做什麼」，也明確告訴它：

「要怎麼回答。」

例如：

你是一個文字分類器。

請將使用者輸入分類成以下其中一種類別：

urgent：需要立即處理的嚴重問題
question：一般問題或操作詢問
suggestion：功能建議或改善意見

規則：
1. 只能選擇一個類別。
2. 只能回答 urgent、question 或 suggestion。
3. 不要提供原因。
4. 不要加入標點符號或其他文字。

使用者輸入：
{{ $json.text }}

這次 AI 的任務就清楚很多。

希望最後只得到：

urgent

圖 2　增加輸出規則後的 Prompt

Step 3：加入範例

除了直接寫規則，也可以在 Prompt 裡提供一些例子。

例如：

範例：

輸入：系統完全無法登入
輸出：urgent

輸入：請問密碼要去哪裡修改？
輸出：question

輸入：希望增加深色模式
輸出：suggestion

然後再放真正要分類的資料：

現在請分類：

{{ $json.text }}

這種方式的好處是，除了用文字描述規則之外，也直接讓 AI 看到：

「我要的答案長這樣。」

例如：

輸入：網站一直出現錯誤，現在完全不能使用！
輸出：urgent

而不是輸出一整段解釋。

Step 4：測試不同句子

Prompt 修改完成後，不能只測試一次。

所以今天可以準備幾種不同的內容。

| 希望可以增加深色模式 | suggestion |

| APP 一直閃退，完全不能使用 | urgent |

| 可以增加搜尋功能嗎？ | suggestion |

每一筆都送進 Workflow，看看 AI 能不能只回傳指定的三個結果。

這一步讓我發現，Prompt 不能只測試「最簡單的例子」。

如果真的要放進自動化流程，最好用不同寫法多測幾次。

Step 5：讓輸出變成 JSON

前面的方法還是讓 AI 回傳一個單字。

但如果未來希望 AI 一次產生很多資料，例如：

分類

摘要

是否需要通知

如果全部混在一段文字裡，後面的 Node 又會變得不好處理。

這時候就可以要求 AI 使用 JSON。

例如希望得到：

{
  "category": "urgent",
  "summary": "使用者目前無法登入系統",
  "notify": true
}

這樣就跟 Day 8 學過的 JSON 接起來了。

我們可以很清楚知道：

category → urgent
summary → 使用者目前無法登入系統
notify → true

接下來不同 Node 就可以使用自己需要的欄位。

Step 6：認識 Structured Output

除了直接在 Prompt 裡寫「請輸出 JSON」，在支援結構化輸出的 AI 流程中，也可以進一步限制輸出的資料結構。

這就是今天另外認識的一個概念：

Structured Output（結構化輸出）

簡單來說，就是希望 AI 不要自由發揮輸出格式，而是按照我們指定的資料結構產生結果。

例如我們希望每次都有：

{
  "category": "",
  "summary": "",
  "notify": false
}

其中：

category 只能是：

urgent
question
suggestion

summary 放簡短摘要。

notify 則使用：

true / false

這樣後面的 Workflow 就更容易使用這些資料。

圖 3　設定 AI 的結構化輸出格式

如果目前使用的 Node 沒有這個選項也沒關係，今天先用 Prompt 要求 JSON 格式，一樣可以理解這個概念。

Step 7：把 Switch Node 改成讀取 category

昨天 Switch Node 是直接判斷 AI 回傳的整段文字。

如果今天 AI 回傳：

{
  "category": "urgent",
  "summary": "系統目前完全無法登入",
  "notify": true
}

那 Switch Node 就不需要處理整段內容。

只需要讀取：

category

然後判斷：

category = urgent
category = question
category = suggestion

整個流程就變成：

Webhook
   ↓
  AI
   ↓
Structured Output
   ↓
 category
   ↓
 Switch
 ↙  ↓  ↘
urgent question suggestion

圖 4　使用固定 AI 輸出進行 Switch 分流

Prompt 寫得越長就越好嗎？

做到今天，我也發現不是把 Prompt 寫得很長就一定比較好。

真正重要的是：

任務清楚、分類規則清楚、輸出格式清楚。

例如我們真正需要的只有：

urgent
question
suggestion

就沒有必要叫 AI 寫一大段分析。

因為對 Workflow 來說：

穩定、可預測的輸出，有時候比漂亮的回答更重要。

這跟平常直接跟 ChatGPT 聊天的使用方式真的不太一樣。

今天遇到的一個問題

即使 Prompt 寫得很清楚，AI 還是不能保證所有內容都一定判斷正確。

例如：

「系統有點慢，我等等就要交作業了。」

這句話到底是 urgent 還是 question？

其實就沒有前面的例子那麼明確。

所以除了限制輸出格式之外，分類標準本身也要定義清楚。

也就是說：

格式穩定 ≠ 判斷一定正確

這兩件事情要分開看。

今日小結

今天沒有增加很多新的 Node，反而回頭改善前面 AI 的輸出方式。

從原本可能得到：

我認為這是一個 urgent 的問題，因為……

慢慢改成：

urgent

甚至進一步變成：

{
  "category": "urgent",
  "summary": "系統目前無法登入",
  "notify": true
}

這讓我發現，建立 AI Workflow 不只是「把 AI 接進去」而已。

還需要考慮：

AI 的結果能不能穩定地交給下一個 Node 使用？

到目前為止，我們已經可以接收資料、讓 AI 分類、Switch 分流、寄 Email、儲存 Google Sheets。

下一步就可以把這些功能組合起來，做一個比較完整的小作品。