Day 17：工作流中的 Prompt Engineering：讓 AI 讀懂你的商業邏輯與防幻覺心法

18th鐵人賽

X_Xuan

團隊nutc imac

2026-10-01 15:47:36

18 瀏覽

分享至

Day 17：工作流中的 Prompt Engineering：讓 AI 讀懂你的商業邏輯與防幻覺心法

嗨，大家今天過得好嗎？歡迎來到鐵人賽 Day 17。

昨天我們成功在 n8n 裡喚醒了 OpenAI / Gemini 的大腦，並測試了一句簡單的「你好」。但實務上，我們不可能在工作流裡面寫死文字。

我們手上有一包從前端傳來、從 PostgreSQL 撈出來、從外部 API 抓進來的綜合大禮包（JSON Payload）。今天，我們要把這些變數動態地「注入」到 AI 的 Prompt 裡面，讓 AI 能夠根據每一次不同的使用者需求，以及最新撈到的時價硬體清單，做出精準的推理。

這就是所謂的 「工作流中的提示詞工程 (Prompt Engineering in Workflow)」。

忘掉聊天室：工作流的 Prompt 必須是「鐵血紀律」

很多人在寫系統 Prompt 的時候，會不自覺地用平常在 ChatGPT 聊天室的語氣，例如：「請幫我根據使用者的預算配一台電腦，越划算越好喔謝謝！」

如果在工作流裡這樣寫，你保證會迎來一場災難。LLM 在沒有明確限制的情況下，非常喜歡「通靈」。如果你不給它極度明確的規則，它可能會推薦一張你資料庫裡根本沒有的顯示卡，或是自己發明一個完全錯誤的時價。

在系統級別的 Prompt，我們必須給出**「角色、任務、輸入資料、嚴格限制」**。

實作：將動態變數注入 Prompt

請打開你昨天的 Basic LLM Chain 節點。我們要來大幅度修改裡面的 Prompt 欄位。

在 n8n 裡面，要在 Prompt 插入變數，我們一樣使用雙大括號 {{ }} 包起來的 Expression（表達式）。你可以一邊寫 Prompt，一邊從左邊的輸入面板把變數拖拉進來。

請參考以下這段結合了「商業邏輯」與「動態變數」的實戰 Prompt 範本：

你是一位擁有 20 年經驗的資深電腦硬體組裝專家。
你的任務是根據使用者的「需求」與「預算」，從我們提供的「本期硬體清單」中，挑選出最適合的 CPU 與 GPU 組合。

【使用者需求與預算】
- 使用者用途：{{ $json.purpose }}
- 總預算：{{ $json.budget }} 台幣
- 今日美金匯率參考：{{ $json.rates.TWD }} (若需估算國外水貨可參考)

【本期可用硬體清單】
請注意！你【絕對只能】從以下提供的 JSON 清單中挑選硬體，嚴禁自行捏造型號或價格：
{{ JSON.stringify($json.hardware_list) }}

【挑選邏輯與限制】
1. 若用途為「3A 遊戲」，請將多數預算分配給 GPU。
2. 若用途為「影音剪輯」，請優先確保 CPU 效能。
3. 若用途為「文書處理」，盡量挑選帶有內顯的 CPU 以節省預算。
4. 挑選出的 CPU 與 GPU 總價，絕對不可以超過使用者的總預算 {{ $json.budget }} 台幣。
5. 請給出一段 50 字以內的推薦理由 (reason)，說明為什麼這樣配最適合該用途。

** 踩坑小技巧：處理 JSON 物件變數**
仔細看上面 【本期可用硬體清單】 的地方，我寫的是 {{ JSON.stringify($json.hardware_list) }}。
因為 hardware_list 是一大包從 Postgres 撈出來的陣列物件，如果你直接用 {{ $json.hardware_list }} 塞進純文字的 Prompt 裡，它在底層會被轉成無意義的 [object Object] 字串，AI 根本看不懂。
加上 JSON.stringify()，才能確保它以完整的 JSON 字串格式餵給 AI 看。