從零開始學 n8n — 用免費課程搭配 AI 輔助,把重複工作自動化
分享我從零開始學 n8n 的過程。透過免費課程搭配 AI 輔助學習,理解工作流自動化的核心觀念,並把日常的重複性工作交給 n8n 處理。
本篇目錄
最近開始學 n8n,想把日常的重複工作自動化。用了一陣子覺得蠻有趣,也想記下從零開始學習、實際做出流程的過程。
為什麼想學 n8n
這次學 n8n 是因為工作上有需要。主管請我研究,能不能用它做出一個「住在臉書粉專上的 24 小時客服」:顧客在粉專發訊息時,自動回覆常見問題,減少全天候盯著訊息的人力需求。
對公司來說,這種需求很實際。客服訊息常常集中在下班時間或假日進來,但人不可能 24 小時待命。如果能用自動化先擋下一輪常見問題、再把真的需要人處理的轉給真人,就能省下不少人力,顧客也不用等到隔天才有回應。
我之前有聽過 Zapier、Make 這類自動化工具,但它們大多是付費的,免費額度也很有限。後來看到很多人在推薦 n8n,說它原始碼公開、可以自己架在自己的伺服器上,免費又彈性,剛好很適合拿來串接 Facebook 的訊息和後續的處理流程,就決定從它開始研究。
n8n 是什麼
簡單講,n8n 是一個工作流自動化工具。你可以把它想像成一條生產線:資料從某個地方進來,經過一連串的處理,最後送到另一個地方去。
你可以在視覺介面中連接節點(node),組成自動化流程。每個節點負責一件事,資料沿著連線交給下一步處理。
拿前面提到的粉專客服來說,我實際做的時候,核心是一個 AI Agent 節點,再把幾個工具串接給它。流程概念大概長這樣:
flowchart LR
A["顧客在粉專<br>發訊息"] --> B["Webhook<br>觸發流程"]
B --> C["AI Agent<br>節點"]
C --> D["回覆顧客"]
C -. 需要時自行調用 .-> T1["查詢最新方案"]
C -. 需要時自行調用 .-> T2["查詢分店地址"]
C -. 需要時自行調用 .-> T3["轉接真人客服"]
這條流程讓 AI Agent 根據顧客的訊息選擇工具。我在 system prompt 裡說明各工具的用途,再接上查詢方案、分店地址與轉真人的處理。預期是問方案時查方案、問地址時查分店,無法回答時再交給真人,不必自己為每種問法寫一條 if-else。
不過,這是流程的設計目標,不能只靠 prompt 就認定每次都能選對工具、取得資料或成功轉接。驗證時還要檢查工具回傳、查不到資料與節點失敗的情況,並安排失敗後的回覆或通知。n8n 的真人備援範例與錯誤處理文件可以作為實作參考。
跟 Zapier、Make 比起來,n8n 的優勢在於:
- 原始碼公開、可自架:n8n 採用 fair-code 的 Sustainable Use License,符合條款的個人或內部使用可免軟體授權費,但主機、維護和串接服務仍可能有成本。因為附帶使用限制,它不是 OSI(Open Source Initiative,開源定義的認證機構)認定的開源軟體;如果像我一樣要包成 SaaS 對外提供給其他商家使用,要先確認官方授權條款是否允許
- 彈性高:需要的時候可以直接寫 JavaScript 處理資料
至於整合數量,Zapier 和 Make 的現成整合都比 n8n 多。常見的服務 n8n 大多有內建節點,沒有的可以用 HTTP Request 節點直接呼叫 API,或安裝社群節點;自架的話,還能安裝自己開發的節點。
幾個核心觀念
剛開始學的時候,有幾個觀念搞懂之後就順很多。
節點(Node)
節點是 n8n 的基本單位,每個節點負責一個動作。比如「讀取一封 email」是一個節點、「把資料寫進 MongoDB」是另一個節點。你把需要的節點一個個加進來、串起來,就是一條完整的流程。
觸發器(Trigger)
每條流程都要有一個起點,這個起點就是觸發器。觸發器決定了流程「什麼時候會跑」。常見的有幾種:
- 手動觸發:在 n8n 的介面上點擊按鈕來觸發整段流程
- 定時觸發:每隔一段時間自動執行,像是每天早上九點
- Webhook 觸發:有人打了某個網址,流程就被觸發
- 事件觸發:某個服務發生特定事件時觸發,例如收到新的表單回覆
資料的流動
這是我一開始最不習慣的地方。n8n 節點通常接收與輸出一組 items,每個 item 的結構化資料放在 json 裡;處理圖片或檔案時,也可能有 binary 資料。前一個節點的輸出會交給下一個節點,再由下一步決定如何處理。
理解了「資料是一路傳遞下去的」這件事之後,要怎麼在後面的節點引用前面的資料、要怎麼做轉換,就清楚多了。
我實際的開發過程
我本身有開發的觀念和基礎,加上工作上已經有明確需求,就直接從 AI 客服開始做,邊開發邊學 n8n,沒有先從「表單自動發通知」這類簡單範例練起。
整個專案大致是這樣推進的:
- 建立 Meta App:要讓流程能收到粉專的訊息、也能回覆回去,第一步得先到 Meta 開發者後台建立一個 App,設定 Messenger 的權限、串好 Webhook,把粉專跟這個 App 綁定起來。
- 設計 n8n 流程:在 n8n 裡用 Webhook 接收 Meta 傳過來的訊息,中間接上前面提到的 AI Agent 節點,再把查方案、查分店地址這些工具串給它,最後把 AI 產生的回覆送回 Messenger。
- 包成一個 SaaS 平台:因為希望這套東西不只服務一個粉專,而是能讓不同商家各自接上自己的粉專來用,所以我用 AI 協作開發,做了一個 SaaS 平台,把 Meta App 的授權串接、設定管理跟背後的 n8n 流程整合在一起。
這段過程其實同時在學兩件事:一邊搞懂 n8n 怎麼拉流程、怎麼設定 AI Agent,一邊處理 Meta 平台那些瑣碎的授權和 Webhook 設定。不熟的地方很多,但有 AI 一起協作,卡關的時候隨時能問,整體推進得比我預期快不少。
一邊看課程,一邊用 AI 輔助學
學習過程中,我一邊看免費的 n8n 課程,一邊用 AI 協助理解和除錯,這樣搭配對我很有幫助。
課程負責給我一個完整的學習脈絡,從最基礎的觀念一步步帶到實際應用,不會東學一塊西學一塊。而 AI 則是補足課程沒有覆蓋到的地方,當作我隨時可以發問的助教。
實際上我會這樣用 AI:
卡關的時候問:流程跑不起來、某個節點一直報錯,我就把設定和錯誤訊息貼給 AI,請它幫我看問題在哪。很多時候是資料格式或欄位引用的小錯誤,AI 一下就抓出來了。
寫表達式和程式碼:n8n 有些地方要寫表達式來引用資料,複雜一點的還要在 Code 節點裡寫 JavaScript。這時候我會描述想達成的效果,請 AI 幫我寫,再自己看懂、調整。
理解觀念:看課程遇到不太懂的名詞或設計,我會請 AI 用白話再解釋一次,或舉個例子。這種互動式的補充,比單純重看一遍有效率。
整段流程丟給 AI 看:這點我覺得特別好用。n8n 的流程可以直接匯出成一份 JSON,把整個流程的節點、設定、連線都完整描述出來。所以遇到問題、或想請 AI 幫忙檢查的時候,我會直接把整段 JSON 複製給 AI,它就能看懂我整條流程長什麼樣、是怎麼串的,不用我一個節點一個節點慢慢解釋。要請它幫忙找哪裡接錯、或建議怎麼調整,都方便很多。
貼之前要先檢查敏感內容。用 n8n credential 功能存的 token 不會跟著匯出,但 n8n 的匯出與匯入文件提醒,JSON 會帶著 credential 的名稱與 ID,從 cURL 匯入的 HTTP Request 節點也可能留著認證標頭,分享前要先移除或匿名化。如果把 Page Access Token 直接寫在節點的參數或標頭裡,token 會原樣出現在 JSON 中,要先拿掉;流程裡留著的測試用顧客訊息也要刪掉或遮蔽。公司專案還要先確認公司規範和 AI 工具的資料使用條款,再決定能不能貼。
不過要提醒的是,AI 給的答案不一定對,尤其 n8n 介面更新蠻快的,有時候它講的選項位置已經不一樣了。所以還是要以課程和官方文件為主,AI 當輔助,不能完全照單全收。
一些學習心得
學到現在,有幾點想分享給也想入門的人。
先求跑起來,再求漂亮:一開始不用想著做出多完美的流程,先把一個簡單的自動化從頭到尾跑通,建立信心和手感最重要。
善用測試功能:n8n 可以單獨執行某個節點看輸出結果,遇到問題的時候一個節點一個節點檢查,很快就能找到是哪裡出錯。
從自己的真實需求下手:與其照著範例做一個用不到的流程,不如挑一件自己平常真的會重複做的事來自動化,做出來馬上就能用,動力也會更強。
基礎觀念還是要懂:雖然 n8n 不用寫太多程式,但 JSON、API、Webhook 這些基本觀念懂一點,學起來會輕鬆很多。這也是 AI 可以幫上忙的地方,遇到不懂的隨時問。
用節點串接流程,確實讓我覺得自動化比原本想的容易起步。選擇自架時,仍要把主機、維護、模型與串接服務的成本算進去,並確認授權範圍。
下面是我跟著學的免費課程和官方文件,可以一起對照節點設定。
- 免費課程:n8n 免費教學課程(YouTube 播放清單)
- 官方文件:n8n Docs
站內相關文章: