n8n + OpenAI 實作範例集¶

這份筆記聚焦在一件事：把 OpenAI 放進 n8n workflow，做出真正有用的 AI 自動化。

想一想¶

把 OpenAI 放進 n8n，不代表 workflow 就突然變聰明。比較好的想法是：OpenAI 是一個很會處理文字的節點，它可以幫你摘要、分類、改寫、抽取資訊，但它仍然需要清楚的輸入、明確的指令、可檢查的輸出。也就是說，AI 不是取代 workflow 設計，而是成為 workflow 中一個比較彈性的處理步驟。

初學時最常犯的錯，是把整個任務都丟給 AI，期待它自己完成所有事情。更穩的做法是把任務拆小：先用 n8n 收資料，再整理成乾淨 prompt，讓 OpenAI 做一件明確的事，最後用 n8n 檢查輸出格式並送到下一步。這樣即使 AI 偶爾不穩，你也知道是哪一步出問題。真正可用的 AI workflow，不是 prompt 寫得很華麗，而是輸入、輸出、錯誤處理和人工確認都設計得清楚。

本篇怎麼讀¶

學習目標：把 AI 變成 workflow 裡一個可控制、可重複的處理步驟
先修需求：至少知道 webhook、set、HTTP request 的基本概念
讀完後你應該能：做摘要、分類、資訊抽取這三種常見 AI workflow

目錄¶

把 OpenAI 放進 workflow 的正確觀念
範例一：會議紀錄摘要
範例二：客服訊息分類
範例三：表單內容整理與抽取
Prompt 設計原則
AI workflow 的風險與限制
最適合初學者的 AI 自動化題目
Appendix. Prompt 範本

1. 把 OpenAI 放進 workflow 的正確觀念¶

OpenAI 在 n8n 裡不是一個神奇黑盒。它只是 workflow 裡的一個處理步驟。

你可以把它看成： - 輸入一段資料 - 模型處理 - 回傳一段新資料 - 再把這段新資料交給下一步

所以 AI workflow 的本質仍然是資料流。

最常見模式： - Webhook -> OpenAI -> Respond - Schedule -> API -> OpenAI -> Sheets - Webhook -> OpenAI -> Slack / Notion

2. 範例一：會議紀錄摘要¶

2.1 目標¶

收到一段會議內容，自動產出三點摘要。

2.2 流程¶

Webhook
Set
HTTP Request 或 OpenAI node
Set
Respond to Webhook

2.3 範例輸入¶

{
  "content": "今天討論了網站改版、資料同步錯誤與客服自動化。網站改版需要下週三前完成，資料同步會漏單，客服希望建立自動回覆。"
}

2.4 Prompt¶

請把以下內容整理成 3 點摘要，使用繁體中文，每點不超過 30 字：
{{$json.body.content}}

2.5 最後輸出¶

summary
processed_at

這個例子最適合練習 AI 的基本接法。

2.6 可以延伸成什麼¶

會議摘要後自動發 Slack
會議摘要後自動寫 Notion
會議摘要後抽出待辦事項給 PM

3. 範例二：客服訊息分類¶

3.1 目標¶

收到客服訊息後，自動分類成： - 訂單問題 - 退款問題 - 技術問題 - 其他

3.2 流程¶

Webhook
Set
OpenAI
IF 或 Set
Slack / Google Sheets

3.3 Prompt¶

請判斷以下客服訊息屬於哪一類，只能輸出這四種其中一種：訂單問題、退款問題、技術問題、其他。
訊息內容：{{$json.body.message}}

3.4 這個例子的價值¶

它讓 AI 的輸出變成可分流的資料。這是很典型的 workflow 設計。

3.5 為什麼這類案例很適合新手¶

因為輸入很清楚，輸出也可以被限制得很清楚。這種題目比開放式生成內容更適合自動化。

4. 範例三：表單內容整理與抽取¶

4.1 目標¶

從一段自然語言內容中抽出結構化資訊，例如： - 姓名 - Email - 日期 - 需求摘要

4.2 範例輸入¶

{
  "text": "我是王小明，Email 是 ming@example.com，希望在 4/25 預約產品 demo，重點想了解 API 串接。"
}

4.3 Prompt¶

請從以下內容中抽出姓名、Email、日期、需求摘要，使用清楚固定格式輸出：
{{$json.body.text}}

4.4 這個範例的重點¶

不是只看 AI 會不會回答，而是看輸出是否足夠穩定，能不能被下一步繼續使用。

4.5 真實應用場景¶

潛在客戶表單 -> 抽出姓名、電話、需求
招募表單 -> 抽出技能、年資、可面試時間
客訴文字 -> 抽出問題類型、緊急程度、訂單號

5. Prompt 設計原則¶

5.1 任務要清楚¶

不要只說「幫我整理」，要說整理成什麼。

5.2 輸出格式要清楚¶

如果後面還要接 workflow，最好要求固定格式。

5.3 不要一次做太多事¶

比起一個 prompt 同時做摘要、分類、抽取，通常拆成多步更穩。

5.4 先求穩，再求華麗¶

workflow 裡最重要的不是文筆，而是輸出可用。

6. AI workflow 的風險與限制¶

6.1 輸出不一定穩定¶

模型可能改變表達方式，所以你不能假設每次都長得完全一樣。

6.2 成本與延遲¶

每次呼叫模型都會增加成本與等待時間。

6.3 敏感資料¶

如果資料涉及個資、商業機密、內部文件，要先確認是否適合送入模型。

6.4 最佳實務¶

盡量限制任務範圍
盡量要求清楚輸出格式
重要流程要加人工覆核或 fallback

6.5 一個務實觀念¶

不要把 AI 當成「會懂一切的自動判斷器」。在 workflow 裡，它更適合被當成： - 摘要器 - 分類器 - 抽取器 - 改寫器

也就是把模糊文字轉成比較可用的資料，而不是全權決策者。

7. 最適合初學者的 AI 自動化題目¶

建議你先做這 4 題： - 會議紀錄摘要 - 客服訊息分類 - 表單內容資訊抽取 - 長文縮成 Slack 通知

這 4 題的共同點是： - 輸入清楚 - 輸出清楚 - 很容易接到下一步 workflow

Appendix. Prompt 範本¶

A.1 摘要¶

請把以下內容整理成 3 點摘要，使用繁體中文，每點不超過 30 字：
{{內容}}

A.2 分類¶

請判斷以下文字屬於哪一類，只能輸出一個分類名稱：
{{內容}}

A.3 資訊抽取¶

請從以下內容抽出姓名、Email、日期、需求摘要，並用固定格式輸出：
{{內容}}

A.4 改寫¶

請將以下內容改寫成適合 Slack 通知的簡短版本，使用繁體中文，100 字內：
{{內容}}

本篇練習¶

做一個會議紀錄摘要 workflow。
做一個客服訊息分類 workflow。
做一個表單資訊抽取 workflow。
比較哪一種任務的輸出最穩定，哪一種最需要人工覆核。

下一步建議¶

如果你之後想做更進階的 AI automation，可以再往分類後分流、抽取後寫資料庫、摘要後通知多人這幾種方向擴充。

延伸閱讀¶

如果你想把這些 AI workflow 進一步升級成 Agent workflow，下一步讀 08 n8n Agent 基礎補充教材。

如果你想把這些 AI workflow 進一步升級成 RAG workflow 或 Voice Agent，下一步讀 10 n8n RAG 與 Voice Agent 補充教材。