Technical Guide

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。

想直接讓人幫你做? 查看服務項目 免費諮詢