AI X 自動化指南
n8n、AI Agent、RAG、Prompt Engineering 的實戰問答。有其他問題歡迎直接問我。
n8n 工作流
n8n 和 Zapier、Make 有什麼差別?▾
最大差別是 n8n 可以 self-hosted,資料完全在自己的機器或雲端上,不經過第三方伺服器。Zapier 和 Make 是訂閱制 SaaS,任務量一上去費用很快就飛起來。n8n 開源版本免費,如果你的流程會處理敏感資料,或任務量高,n8n self-hosted 幾乎是唯一選擇。
Webhook 和 Polling 有什麼差別,我該用哪個?▾
Webhook 是「有事發生時通知你」,Polling 是「定時去問有沒有事發生」。能用 Webhook 就用——即時、省資源、不浪費 API 配額。Polling 適合不支援 Webhook 的服務,或是需要定時批次處理的場景(例如每天早上 8 點跑報表)。
n8n 流程失敗怎麼排查?▾
先看 Execution 記錄,點進失敗那筆,每個 node 都可以看 input/output。大部分問題是:1) API 回傳格式和預期不同,2) 認證失效(token 過期),3) Rate limit 被踢。建議流程加上 Error Trigger node,失敗時直接推 Slack 或 Email 通知,不然你根本不知道壞了。
Self-hosted n8n 要多少資源?▾
512MB RAM、1 vCPU 就能跑起來。流程量大、concurrent executions 多的話建議 2GB RAM。資料庫強烈建議換成 PostgreSQL 而不是預設的 SQLite,穩定性差很多。用 Docker Compose 部署是最省事的方式。
AI Agent 架構
AI Agent 和普通的 API 呼叫有什麼差別?▾
普通 API 呼叫是你寫死「做什麼」,Agent 是你告訴它「達成什麼目標」,讓它自己決定要用哪些工具、呼叫幾次。差別在於 Agent 有推理能力和工具使用能力。Anthropic Claude 在 tool use 這塊目前是業界頂尖,推理準確、遵循格式指令的能力很強。
Multi-agent 系統什麼時候才需要?▾
單一任務拆不開、或是上下文太長 token 不夠用的時候。常見場景:一個 orchestrator agent 分派任務給多個 specialized agent(一個查資料、一個寫文字、一個審查輸出)。門檻不低,先把單 agent 做穩再考慮拆。
Agent 的 Memory 怎麼設計?▾
短期記憶就是 conversation history,長期記憶通常存在向量資料庫(RAG 模式)或結構化資料庫。如果 agent 需要記住用戶偏好或歷史互動,建議把重要資訊整理成 summary 存下來,而不是塞整段對話。Token 貴,精煉比原始保存省錢。
RAG 與向量資料庫
RAG 是什麼,和直接把資料塞進 Prompt 有什麼差別?▾
RAG(Retrieval-Augmented Generation)是先從知識庫搜尋出相關段落,再把那段塞進 Prompt。差別:Context window 有上限,幾千頁文件塞不進去,RAG 只取最相關的;準確度更高,因為答案有明確來源;知識庫可以隨時更新,不用重新訓練模型。
Pinecone、pgvector、Qdrant 怎麼選?▾
如果你已經在用 PostgreSQL,pgvector 是最省事的選擇,不需要多一個服務。Qdrant 是 self-hosted 向量資料庫裡最好用的,效能好、界面清晰。Pinecone 是雲端服務,不用管基礎設施,但費用比較高。資料量不大(< 100 萬筆向量)的話三者差異不明顯,選你最熟悉的就好。
Embedding 模型要怎麼選?▾
OpenAI text-embedding-3-small 是 CP 值最高的選擇,便宜、效果好、支援多語言。繁體中文效果要求高可以考慮 Cohere multilingual。自己跑 embedding 模型(如 bge-m3)只有在資料敏感或量大到 API 費用吃不消時才值得。
Prompt Engineering
System prompt 和 User prompt 的分工是什麼?▾
System prompt 是「這個 AI 是誰、有什麼限制、輸出格式是什麼」——用來設定角色和規則。User prompt 是「這次具體要做什麼」。規則和格式放 system,任務和資料放 user。Claude 對 system prompt 的遵循能力特別強,值得好好設計。
輸出格式不穩定、每次不一樣怎麼辦?▾
強制要求 JSON 輸出,並在 prompt 裡給範例(few-shot)。Claude 支援 tool use 和 structured output,可以直接要求它填進一個定義好的 schema,比 prompt 要求更可靠。如果還是不穩,加 validation + retry 邏輯,輸出不符格式就重試。
什麼情況下用 Claude Opus 而不是 Sonnet?▾
Opus 推理能力更強,適合複雜判斷、多步驟規劃、需要深度理解的任務。Sonnet 速度更快、費用更低,適合高頻率任務或簡單的分類、摘要工作。建議先用 Sonnet 跑通,只在 Sonnet 表現不夠好的地方換 Opus,不要一開始就全用 Opus。
合作與服務
怎麼開始合作?▾
直接寄信到 asdtodd42@gmail.com,或透過頁面底部的「免費諮詢」。我會在 1–2 個工作天內回覆,安排一次免費的線上需求訪談(約 30–60 分鐘)。
定價怎麼算?▾
每個專案依整合系統數量、複雜度、功能範圍報固定價,不是按時計費。服務頁面上的價格為起始參考價,實際報價在需求訪談後確認。
從諮詢到上線大概要多久?▾
依專案複雜度而定,一般 n8n 流程自動化約 1–3 週;AI 應用開發約 2–6 週。需求訪談後會提供更準確的時程。
上線後如果有問題怎麼辦?▾
上線後有 2 週免費調整期,期間發現的問題免費修復。之後可以選擇維護合約,或依實際狀況按次報價。