本系列不僅是製作AI 摘要器,而是以知識整理為案例,完整實作一套AI 自動化知識管家。我將結合 n8n 負責工作流、FastAPI 處理核心資料、Gemini 作為語意大腦,實戰處理網頁長文、PDF 文件與 YouTube 影音內容。在 30 天的旅程中,我們將探討如何將機率性的 AI 放入確定性的自動化 Workflow,從接收事件、資料清洗、AI 理解、邏輯決策,到最終自動歸檔至 Notion 並發送通知,完整展示一套能落地執行的 AI 自動化 Pipeline 架構與開發心法。
自動化早已被融入現代社會中,我們早就在用 Shell Script、Python 等工具將繁瑣且重複性高的工作給自動化,甚至可以使用各種 Workflow En...
要打造一條穩定的 AI 流水線,我們不能把所有工作全丟給 AI,而是要將系統拆解為五個各司其職的角色: Trigger:什麼事件啟動流程?自動化系統不能總是...
在開發 AI Workflow 時,最常見的架構問題就是過度依賴 AI。 想像一下,當系統收到一個網址時,如果有人問 AI:「請問這個網址是 YouTube 影...
在寫 AI 應用時,需要注意,權責分配問題。那我們該如何讓不同的工具各司其職,避免打造出難以維護的程式碼呢?為了解決這個問題,我們將系統拆分為三個層次,並交給最...
過去四天,我們談了傳統自動化與 AI 自動化的差異、拆解了系統的五大組件、劃清了 Rule-based 與 AI-based 的邊界,並確立了 n8n、Fast...
經過了前面五天的觀念洗禮與藍圖建構,終於要正式進入實作。在把 n8n 裝起來、把 Gemini API 串上去之前,我們要先來打造我們專屬的後端服務:FastA...
昨天我們已經建立了 FastAPI Processing Service。今天要加入整個 AI Automation 系統的另一個核心:Workflow Orc...
先將 Day 06 寫的 Python API 跑起來,若檔案名稱是main.py,就跑以下指令: uvicorn main:app --reload --...
今天我們要將 Gemini 接進我的 Workflow 建立 Gemini API Key首先,要先到 Google AI Studio 申請一個 API...
從昨天的結果可以看出 LLM 的回答格式並不固定。有時候它會給你一大段純文字,有時候它會自己加上條列式,甚至會擅自加上「好的,以下是為您整理的摘要:」這類不需要...