用 n8n + AI Agent 打造自動駕駛工作流：Vibe Coding 落地實戰

同一封客戶來信，硬編碼的關鍵字比對會漏判，人工分類又慢——「人體 API」的日常多半卡在這種模糊地帶。更務實的解法，是在 n8n 的視覺化流程裡放一顆 AI Agent 節點，搭配嚴格的 JSON 輸出契約與一段防呆解析程式碼：讓 AI 處理模糊判斷，程式碼守住結構與穩定性。這正是 Vibe Coding 在自動化場景的真正落地方式。

本文用一個「客戶訊息自動分流系統」的完整案例，帶你看清楚每個節點該放什麼、Prompt 該怎麼寫、AI 回傳壞掉時該怎麼接住，以及在生產環境最容易踩的成本、隱私與穩定性陷阱。

Hi 如果你跟我一樣是那種「能躺著絕不坐著，能用 Script 跑絕不手動點」的工程師，那你一定會愛死這套做法。

什麼是 Vibe Coding？跟傳統寫程式差在哪？

如果你最近混跡於 GitHub 或 X（前 Twitter）的開發者圈子，「Vibe Coding」這個詞一定不陌生。簡單來說，Vibe Coding 就是「以自然語言意圖為導向」的開發模式：你描述「想要什麼結果」，而不是「逐行指定怎麼算」。

它最適合處理的是「模糊、難以窮舉規則」的任務——例如判斷一段文字的情緒、把雜亂回饋歸類、從自由文本抽取欄位。這類任務用傳統規則寫起來又臭又長，正是 LLM 的強項。

請注意最後一列：Vibe Coding 不是「不用程式碼」，而是「把模糊判斷外包給 AI，把結構與穩定性留給程式碼」。這個分工是整篇文章的核心心法。

為什麼用 n8n 來實踐 Vibe Coding？

n8n 是一個 Low-code 的開源自動化工具，它最大的優勢是把每一個步驟拆成可視化的「節點」，並且允許你在流程中無縫嵌入 AI Agent 節點與自訂程式碼節點。這讓「自然語言判斷」與「確定性處理」可以在同一條流程裡並存，剛好對應 Vibe Coding 的分工心法。

實戰：打造一個「自動讀心」的客戶訊息分流系統

身為工程師，最怕的就是業務部門轉寄來的 Email，標題寫著「客戶說 API 壞了」，內容卻是一堆情緒勒索的文字。我們來實作一個 n8n 工作流，自動判讀並分流這些訊息。整體架構分成四步：

1. 接收（Trigger）：用 Webhook 或 Email Trigger 收進原始訊息。
2. 前置過濾（節省成本）：用一般節點先濾掉雜訊，再決定要不要叫用 AI。
3. AI 判讀（Vibe 核心）：用 AI Agent 節點做分類與情緒判斷，輸出結構化結果。
4. 解析與容錯（守住穩定性）：用程式碼節點清洗並驗證 AI 回傳，失敗就走人工複審分支。

步驟一：接收與感知（The Input Vibe）

首先，使用 n8n 的 Webhook 或 Email Trigger 節點來接收訊息。這裡沒什麼特別的，重點是把原始內容（標題、寄件者、內文）完整帶進流程，後面才有素材可判讀。

步驟二：先過濾，再叫 AI（別讓 Token 燒錢）

很多人一拿到訊息就直接丟給 LLM，這是最常見的浪費。建議在叫用 AI 之前，先用 n8n 的一般節點做基本過濾——例如排除自動回覆、退信通知、純空白內容，或截斷過長的內文。把判斷成本花在真正需要理解的內容上，這一步往往能大幅降低 API 帳單。

步驟三：AI 大腦判讀（The AI Logic）

在 n8n 中加入一個 AI Agent 節點（例如串接 Gemini 或 OpenAI）。這裡就是 Vibe Coding 的核心：我們不寫 if-else 判斷關鍵字，而是直接在 System Prompt 寫入判斷「意圖」。

一個能實際運作的 Prompt，通常需要三個要素：角色設定、明確的分類規則、嚴格的輸出格式約束。例如：

「你是一個資深技術客服。請分析這封郵件的『技術含量』與『憤怒指數』。如果包含 Error Code（如 404、500）且情緒冷靜，歸類為 'Bug Report'；如果通篇大寫且無具體技術細節，歸類為 'Complaint'。最後只回傳 JSON 格式，不要附帶任何說明文字。」

實務上，光在 Prompt 裡要求 JSON 還不夠保險。如果你使用的模型或 n8n 節點支援「結構化輸出／JSON mode」或可掛上 Output Parser，請優先啟用——讓模型在生成階段就被約束成合法 JSON，比事後用程式碼清洗可靠得多。即便如此，下一步的防呆解析仍然不可省略，這是雙保險。

步驟四：結構化輸出與容錯（The Code）

雖然說是 Vibe Coding，但為了讓系統穩定，我們還是需要一點點程式碼，確保 AI 吐出來的東西是 n8n 看得懂的結構。在經典編輯器中，可以使用 Function Item 節點來處理 JSON。

這裡有一段我也常用的防呆程式碼，用來清洗 AI 偶爾會「幻覺」多加的 Markdown 符號，並在解析失敗時走 fallback：

// n8n Function Item - AI Response Cleaner
// 作者: Eric @ 浪花科技

const aiResponse = $input.item.json.ai_output;

// 很多時候 AI 會好心地加上 ```json ... ```，我們要把它拿掉
function cleanJsonString(str) {
    if (typeof str !== 'string') return str;
    return str.replace(/```json/g, '').replace(/```/g, '').trim();
}

try {
    const cleanData = cleanJsonString(aiResponse);
    const parsedData = JSON.parse(cleanData);

    return {
        json: {
            category: parsedData.category || "Unknown",
            sentiment_score: parsedData.sentiment_score || 0,
            summary: parsedData.summary || "No summary provided",
            original_message: $input.item.json.body
        }
    };
} catch (error) {
    // 如果 AI 徹底壞掉，回傳一個 fallback
    return {
        json: {
            category: "Manual Review",
            error: error.message,
            original_message: $input.item.json.body
        }
    };
}

這段程式碼的關鍵價值有三個，缺一不可：

• 清洗：把模型常加上的 ```json 圍欄去掉，避免 JSON.parse 直接報錯。
• 防呆預設值：用 || "Unknown" 這類預設值，確保即使某個欄位缺漏，下游節點也不會因為讀到 undefined 而整條流程崩掉。
• 容錯分流：解析徹底失敗時，不是讓流程死掉，而是把分類設成 Manual Review。後續就能用 n8n 的 IF／Switch 節點，把這類訊息導向人工複審，達成「AI 處理九成、人工兜底一成」的穩健設計。

分流之後：把結果接到真正的動作

判讀完只是中間站。真正省時間的是把結果接到後續動作：Bug Report 自動開工單或通知工程群組、Complaint 派給客服主管、Manual Review 進待辦清單。n8n 的 Switch 節點能依 category 欄位把訊息導向不同分支，這時整條流程才算真正「自動駕駛」。

Vibe Coding 的陷阱：別把 AI 當神

雖然我很推崇 Vibe Coding，但身為資深工程師，我必須囉嗦幾句。AI 雖然強大，但還不是全知全能。在用 n8n 實作時，有幾個「坑」請務必避開：

• 非結構化資料的詛咒：AI 很喜歡「聊得開心」就忘了格式。務必在 Prompt 中強烈要求只回傳純 JSON，並用程式碼節點做事後驗證，雙重保險。
• 成本控管：Vibe Coding 很爽，但 Token 費很貴。不要把整個 log 檔都丟給 AI 分析，先用 n8n 的基本節點過濾掉無效資訊，必要時截斷過長內容。
• 隱私問題：別把客戶的密碼或個資直接丟到雲端 LLM。在送出 Request 前，記得加一個「資料去識別化」的步驟。
• 輸出不可重現：同樣的輸入，LLM 不保證每次都給一樣的答案。把 AI 用在「分類、摘要」這類容許模糊的環節，金額計算、權限判斷這種不容出錯的邏輯，還是交給確定性的程式碼。
• 外部 API 會不穩：叫用 LLM 服務時，可能遇到逾時、限流（Rate Limit）或暫時性錯誤。為 AI 節點與下游 API 呼叫設計重試與退讓機制，流程才不會在半夜默默卡死。

為什麼你需要掌握這套工作流？

未來的工程師，價值不在於你會寫多複雜的迴圈，而在於你能不能指揮 AI 這個工讀生，把複雜的業務邏輯變成一條順暢的流水線。

Vibe Coding 加上 n8n，就是你的一人軍隊。你可以用一個週末下午，做出以前需要一個團隊較長時間才能搭起的客戶分流雛形。這不是偷懶，這是把時間花在更值得的地方——比如去海邊衝浪（這也是為什麼我們叫浪花科技的原因，笑）。

延伸閱讀

• n8n、Make、Zapier 怎麼選？2026 自動化平台完整比較
• 「別再複製貼上了！」WordPress API 串接實戰：串接 LINE / HubSpot / n8n，打造你的全自動工作流
• 告別手動複製地獄！Laravel x HubSpot API 同步攻略，讓你的客戶資料自動歸位
• API 半夜又斷線？WordPress API 串接防護指南：從 Rate Limit 到優雅重試（Exponential Backoff）

準備好讓你的工作流程起飛了嗎？如果你對企業級的自動化架構導入有疑問，或者不想自己動手處理這些繁瑣的設定，歡迎隨時找浪花科技聊聊，讓我們幫你把「想法」變成「自動化現實」。