n8n AI Agent 終極教學：打造你的專屬 AI 助理，讓自動化擁有「思考與行動」的能力

你已經學會了如何使用 n8n 串接 OpenAI (ChatGPT)，讓你的工作流能夠生成文案、摘要內容、甚至進行分類。但你是否想過，如果 AI 不僅僅能「說」，還能「做」呢？

想像一下，你對一個 AI 助理說：

「幫我查一下訂單編號 ORD-12345 的最新狀態，並用繁體中文回覆客戶王小明。」
「分析一下我們公司最新的三篇部落格文章，找出共同的主題，並為這個主題系列產生五個新的標題點子。」
「現在台北的天氣如何？如果正在下雨，就傳送一則 Slack 訊息提醒團隊帶傘。」

這些任務，已經超越了單純的文字生成。它需要 AI 進行一連串的「思考 -> 決策 -> 行動」。AI 必須先理解你的意圖，然後決定它需要使用哪些「工具」（例如，查詢訂單的 API、讀取部落格文章的工具、獲取天氣資訊的工具），執行這些工具，最後再根據工具回傳的結果，組織成最終的答案。

這個能夠自主思考並使用工具的 AI，就是當今最熱門的概念——AI Agent (AI 代理人)。而 n8n 最新推出的 AI Agent 節點，正是讓你能夠在 n8n 的世界中，輕鬆打造出這種專屬 AI 助理的終極武器。

這篇文章將是你的 n8n AI Agent 完整入門指南。我們將帶你從 AI Agent 的核心概念開始，手把手教你如何為 AI 打造專屬的「工具箱」，並組裝出你的第一個能夠實際解決問題的 AI 助理，讓你的自動化流程，真正擁有一顆能夠思考與行動的大腦。

零基礎帶你完成屬於自己的n8n自動化流程

內容目錄

超越 ChatGPT：什麼是 AI Agent (代理人)？

在深入 n8n 的設定前，我們必須先理解 AI Agent 與我們熟悉的 ChatGPT 有什麼根本上的不同。

傳統的語言模型 (LLM)，像 ChatGPT： 你可以把它想像成一個博學多聞、能言善道的「顧問」。你問他問題，他會根據腦中龐大的知識庫，生成一段文字回答你。但他無法與外部世界互動，無法幫你「執行」任何操作。
AI Agent (代理人): 你可以把它想像成一位真正的人類「私人助理」。這位助理不僅能與你對話，他的辦公桌上還放著一堆「工具」：一台可以上網查資料的電腦、一部可以打電話的電話、一套可以查詢公司內部資料的 CRM 系統。

當你給這位助理一個任務時，他會先思考這個任務需要用到哪些工具，然後自主地去使用這些工具，最後再將所有工具的結果整合起來，給你一個最終的、可行動的答案。

AI Agent = 大型語言模型 (大腦) + 工具箱 (手腳)

這個「使用工具」的能力，就是 AI Agent 的革命性之處。

n8n AI Agent 節點核心解析：賦予 AI「工具箱」

n8n 巧妙地將 AI Agent 的概念，完美融入其視覺化的工作流中。AI Agent 節點就是你組裝 AI 助理的核心工作台。

點開節點，你會看到幾個關鍵設定：

Model: 選擇驅動這個 Agent 的「大腦」，也就是語言模型。通常我們會選擇 OpenAI 的 gpt-4o 或 gpt-4-turbo，因為它們的邏輯推理能力最強。
Prompt: 你給 AI Agent 的主要指令或問題。這可以是固定的文字，也可以是來自上一個節點的動態資料。
Tools (工具箱): 這是最重要的部分！ 這裡讓你掛載 AI Agent 可以使用的所有「工具」。

而在 n8n 的世界裡，一個「工具」是什麼呢？答案就是：另一個 n8n 工作流 (Workflow)！

n8n 的這個設計極其強大，它意味著任何你可以用 n8n 打造出來的自動化流程——無論是串接 API、讀寫資料庫、操作 Google Sheets——都能被打包成一個「工具」，交給你的 AI Agent 自主使用。

步驟一：為你的 AI Agent 打造第一個「工具 (Tool)」

讓我們來建立一個非常簡單的工具：「查詢即時天氣」。這個工具的職責是接收一個「城市」名稱，然後回傳該城市目前的溫度和天氣狀況。

建立一個新的工作流，將其命名為 Tool - Get Weather。
設定觸發器 – Callable Trigger:
- 這是專為子流程和工具設計的新觸發器。新增一個 Callable Trigger 節點。
- 這個觸發器會自動產生一個唯一的 Workflow ID，AI Agent 就是透過這個 ID 來呼叫它的。
定義工具的「說明書」:
- 在 Callable Trigger 節點中，最重要的就是 Description (描述) 和 Inputs (輸入參數)。你必須用清晰的自然語言，告訴 AI 這個工具是做什麼用的，以及它需要什麼參數。
- Description: 取得指定城市的即時天氣資訊。
- Inputs > Add Input:
  - Name: city
  - Description: 要查詢的城市名稱，例如：台北。
  - Type: String
  - Required: 打勾
撰寫工具的核心邏輯：
- 在觸發器後，接上一個 HTTP Request 節點，串接一個公開的天氣 API (例如 OpenWeatherMap)。
- 在 API 的城市參數中，使用 Expression {{ $json.body.city }} 來接收從 Agent 傳來的城市名稱。
回傳結果：
- 天氣 API 回傳的資料可能很複雜，我們用一個 Set 節點來整理成乾淨的格式。
- 設定兩個欄位：temperature 和 condition，並從 API 回應中提取對應的值。
- 重要： 子流程或工具的最後一個節點的輸出，就是會回傳給 Agent 的結果。
儲存並啟用 (Active): 確保你的工具工作流處於「啟用」狀態。

步驟二：組裝並啟用你的 AI Agent

現在我們有了一個工具，可以來組裝我們的 AI 助理了。

建立一個主工作流，命名為 My First AI Agent。
使用 Manual / Start 觸發器即可。
新增 AI Agent 節點。
設定 AI Agent 節點：
- Credential: 選擇你設定好的 OpenAI 憑證。
- Model: 選擇 gpt-4o。
- Tools > Add Tool:
  - Tool Workflow: 在下拉選單中，選擇我們剛剛建立的 Tool - Get Weather。
- Prompt: 輸入你的問題，例如：請問現在東京的天氣如何？
執行與觀察：
- 點擊「Execute Node」。
- 你會看到 AI Agent 節點開始運作。它會先分析你的問題「請問現在東京的天氣如何？」，然後在它的工具箱中，發現 Get Weather 這個工具非常符合需求，並且它知道這個工具需要一個 city 參數。
- AI Agent 會自動從你的問題中提取出「東京」，並將其作為 city 參數，去呼叫我們的 Tool - Get Weather 工作流。
- 工具流執行完畢，回傳了東京的天氣資訊（例如 {"temperature": 25, "condition": "晴天"}）。
- AI Agent 接收到這個結果後，再用自然語言將其組織起來，最終在 Output 中回覆你：「東京現在是晴天，氣溫攝氏 25 度。」

實戰演練：建立一個能查詢訂單狀態的「AI 客服助理」

目標： 建立一個能回答使用者問題的 AI 助理。如果問題是關於訂單狀態，它會使用工具去查詢；如果是其他一般性問題，它會直接回答。
工具 (Tool - Get Order Status):
- Callable Trigger: Description 為「根據訂單編號查詢訂單狀態」，Input 為 order_id。
- 核心邏輯：連接到你的電商資料庫或 API，根據傳入的 order_id 查詢，回傳 status 欄位。
主流程 (AI Customer Service Agent):
- AI Agent 節點掛載了 Tool - Get Order Status 這個工具。
- 測試一 (使用工具)：
  - Prompt: 嗨，我想查一下訂單 ORD-XYZ-789 的狀態，謝謝。
  - 預期結果： Agent 判斷需要使用工具，自動提取 ORD-XYZ-789 作為 order_id 呼叫工具，最後回覆：「您好，查詢到您的訂單 ORD-XYZ-789 目前的狀態是『已出貨』。」
- 測試二 (不使用工具)：
  - Prompt: 請問你們的退貨政策是什麼？
  - 預期結果： Agent 判斷這個問題不需要使用工具，直接根據它自身的知識庫（或你在 System Prompt 中提供的資訊）回答退貨政策的相關內容。

AI Agent 設計最佳實踐：如何打造一個聰明又可靠的 AI 助理？

工具的「描述 (Description)」至關重要： AI Agent 是透過閱讀你寫的工具描述，來判斷在何時該使用哪個工具的。描述寫得越清晰、越準確，AI 的決策就會越聰明。
讓工具功能單一化 (Single Responsibility): 一個工具最好只做一件事情。不要試圖打造一個能做所有事情的「萬能工具」，而是應該將其拆解成多個功能單一的工具（例如，「查詢訂單」一個工具，「取消訂單」另一個工具）。
在 System Prompt 中給予明確指示： 你可以在 Agent 的 System Prompt 中，為它設定更詳細的行為準則，例如：「你是一個友善的客服助理」、「永遠使用繁體中文回答」、「如果找不到答案，請誠實地告訴使用者你無法查詢」。