精華筆記 三個真實案例:新聞摘要信、表單分流、社群排程
前四課上完,你手上已經有一整套工具:會選平台(第 1 課)、在 Make 拉過第一條流程(第 2 課)、把 n8n 架起來(第 3 課)、也知道怎麼把 AI 節點塞進去(第 4 課)。但這時最多人卡住的反而是:「所以……我到底要自動化什麼?」打開空白畫布,滑鼠停在半空中,十分鐘後默默關掉分頁。
這堂課直接把答案端上桌:三個我自己每天在用的真實案例,從觸發到輸出的每個節點、每段 prompt 全部攤開。更重要的是,這三個案例其實是三種「原型」——學會之後,把料換掉就能變出幾十種你自己的流程。
這堂學什麼
- 三種自動化原型:定時彙整、事件分流、內容生產線——市面上八成的自動化都是這三種的變形
- 案例一(n8n):每天早上 8 點,AI 讀完三個新聞 RSS,挑重點摘要寄進你的信箱
- 案例二(Make):Google 表單進單,AI 判斷緊急程度,自動通知對的人、記錄到對的地方
- 案例三(n8n):丟一段零散想法,AI 寫成社群貼文,人工核准後照表定時發布
- 每個案例的「換料改造」清單:換資料源、換分類規則、換發布平台,變成你自己的流程
觀念:三個案例=三種原型
先建立一個畫面:這三個案例不是三個孤立的玩具,而是三種可以無限複製的骨架。
- 定時彙整(digest):時間到 → 去各處抓資料 → AI 濃縮 → 送到你面前。新聞摘要信是它,每週業績報表、競品動態監控、社群提及整理也全是它。
- 事件分流(routing):某件事發生 → AI 判斷這是什麼 → 依判斷結果走不同的路。表單分流是它,客服信自動分類、履歷初篩、Line 訊息轉單也是它。
- 內容生產線(pipeline):丟原料 → AI 加工成半成品 → 人工把關 → 排程輸出。社群排程是它,電子報草稿、YouTube 腳本量產、商品文案也是它。
之後你想自動化任何事,第一個問題就是:「這是哪一種原型?」對上了,節點怎麼排就有譜了。
開工前先選對工具:用計費模型判斷
第 1 課的選擇題,今天用真實數字算一次。關鍵差異是計費單位:Make 算 credit,流程裡每個 trigger、action、資料轉換都是一步,一步一個 credit;n8n 算 execution,整條流程跑完一輪只算 1 次——就算這條流程有 200 個節點,也是 1 次。
同一條 10 步的流程、每月跑 1,000 次:Make 燒掉 10,000 credits(免費方案每月只有 1,000,直接爆十倍);n8n 只算 1,000 executions,雲端 Starter 方案(約 20 美元/月,年繳價;內含 2,500 executions)輕鬆吃下,自架 Community Edition 更是免費,只出 VPS 的 5~7 美元月費。而且 n8n 的 AI Agent、LLM 節點平台不另外收費,你只付自己模型的 token 錢。
所以本課的分工是:案例二用 Make——步驟少、進單量低、又有原生的 Google Forms 模組,免費方案(每月 1,000 credits、最多 2 條啟用流程)裝得下;案例一和案例三用 n8n——多步驟、含 AI、天天跑,execution 計費划算得多。
案例一:每日新聞摘要信(n8n)
場景:你每天想追產業新聞,但打開一堆網站太花時間。讓 AI 當你的新聞秘書:每天早上 8 點前讀完三個 RSS 來源,挑出最重要的 5 則,用你看得懂的話摘要,寄進信箱。通勤 3 分鐘讀完,資訊焦慮下班。
Schedule Trigger:每天 07:30 開工
新增 workflow,第一個節點放 Schedule Trigger,Trigger Interval 選 Custom (Cron),表達式填:
30 7 * * *
意思是每天 07:30 觸發(留半小時緩衝,確保 8 點前信已寄達)。關鍵動作:點右上角 workflow 的 Settings,把 Timezone 改成 Asia/Taipei——n8n 預設用伺服器時區(常常是 UTC),不改的話你的「早上 7 點半」會變成台灣下午 3 點半,這是本課常見坑第 1 名,等下細講。
RSS Read ×3 + Merge:把新聞抓進來匯流
拉三個 RSS Read 節點,都接在 Schedule Trigger 後面(一個觸發器可以同時接多條線)。URL 各填一個來源,例如 TechCrunch 的 https://techcrunch.com/feed/、加上你自己領域的兩個媒體 RSS(大部分新聞網站網址後面加 /feed 或 /rss 就找得到)。
三路輸出接進一個 Merge 節點,Mode 選 Append,把三個來源的文章疊成一疊。先按 Execute Workflow 測一次,確認 Merge 輸出裡每篇文章都有 title、link,以及 content 或 contentSnippet 欄位——現在就看一眼哪個欄位有內文,案例一的成敗在這裡。
Code 節點:去重、排序、只留 12 則
RSS 一天可能吐幾十篇,全塞給 AI 又貴又雜。Merge 後接一個 Code 節點,貼上:
// 依發布時間新到舊排序,去掉重複標題,只留最新 12 則
const seen = new Set();
const sorted = $input.all()
.map(i => i.json)
.sort((a, b) => new Date(b.isoDate || b.pubDate) - new Date(a.isoDate || a.pubDate))
.filter(a => {
if (seen.has(a.title)) return false;
seen.add(a.title);
return true;
})
.slice(0, 12)
.map(a => ({
title: a.title,
link: a.link,
snippet: (a.contentSnippet || a.content || '').slice(0, 300),
}));
return [{ json: { newsList: JSON.stringify(sorted, null, 2) } }];
看不懂沒關係,它只做三件事:排序、去重、每篇只留標題+連結+前 300 字摘要,最後打包成一包字串 newsList 給 AI 用。
AI 節點:新聞秘書 prompt
接上你在第 4 課設好的 AI 節點(OpenAI 的 Message a Model,或 Basic LLM Chain 接任何模型都行)。System prompt:
你是使用者的私人新聞秘書,服務對象是台灣的科技工作者。
你只根據使用者提供的新聞清單作答,清單裡沒有的資訊絕對不要腦補;
某則新聞的 snippet 若資訊不足,就只轉述標題,不要自行想像內容。
User message({{ $json.newsList }} 用 n8n 的 expression 帶入上一步的輸出):
以下是過去 24 小時的新聞清單(JSON,含 title、link、snippet):
{{ $json.newsList }}
請完成三件事:
1. 挑出對台灣科技工作者最重要的 5 則,依重要性排序
2. 每則用 2~3 句台灣繁中口語摘要,說清楚「發生什麼事」與「跟讀者有什麼關係」
3. 結尾用一句話總結今天的整體趨勢
輸出格式:HTML 片段(不要 <html> 與 <body> 外殼),每則新聞格式為
<h3><a href="連結">標題</a></h3><p>摘要</p>
最後的總結放在 <p><b>今日一句話:</b>...</p>
只輸出 HTML,前後不要任何說明文字。
注意最後兩行:指定輸出 HTML 片段、禁止多嘴,是為了下一步直接塞進信件內文,不用再清理。
Gmail 節點寄出+驗收
最後接 Gmail 節點(Operation 選 Send),To 填自己的信箱,Subject 用 expression 加上日期:每日科技摘要 {{ $now.format('yyyy-MM-dd') }},Email Type 選 HTML,Message 填 {{ $json.message.content }}(依你的 AI 節點輸出欄位為準,執行一次看輸出面板就知道)。
按 Execute Workflow 完整跑一次,收到信、版面正常後,把右上角的開關撥到 Active。明天早上 8 點前,第一封摘要信就會自己出現。
換料改造:RSS 換成 PTT 看板、政府公告、競品部落格,就是監控系統;Gmail 換成 Telegram 節點,就是推播到手機;cron 改 0 18 * * 5,加上「彙整本週」的 prompt,就是每週五的產業週報。骨架完全不動。
案例二:表單進單自動分流(Make)
場景:你用 Google 表單收客服進單或合作詢問。有的十萬火急(系統壞了、客戶要退費),有的可以慢慢回,還有一堆廣告亂填。現在全靠人工掃信,急件常常躺三小時沒人看到。讓 AI 當第一線分檢員:急件立刻通知負責人,一般件記錄到表格排隊,垃圾件默默歸檔。
Google Forms:Watch Responses
在 Make 新增 Scenario,第一個模組選 Google Forms → Watch Responses,連結你的表單(假設欄位有:姓名、Email、主旨、內容)。Make 是用「輪詢(polling)」問新回覆,免費方案最短間隔 15 分鐘——也就是急件最慢 15 分鐘後才會被看到。對多數團隊夠用;若你要秒級反應,這正是第 6 課 Webhook 要解的問題,先記著。
OpenAI 模組:AI 分檢員 prompt
第二個模組選 OpenAI → Create a Chat Completion,model 挑便宜的小模型就夠(分類是簡單任務)。System message:
你是客服進單分檢員。只輸出純 JSON,不要 markdown 符號、不要任何說明文字。
分類規則:
- urgent:系統故障、付款失敗、資安疑慮、客戶明顯憤怒或揚言退費
- normal:一般問題、功能詢問、合作與業務邀約
- spam:廣告、亂填、與服務無關的內容
輸出格式(欄位缺一不可):
{"level":"urgent 或 normal 或 spam","category":"用一句話描述類別","summary":"20 字內摘要","owner":"技術 或 客服 或 業務"}
User message 用 Make 的變數面板把表單欄位接進來:
姓名:{{姓名}}
Email:{{Email}}
主旨:{{主旨}}
內容:{{內容}}
「只輸出純 JSON」這句是保命符,常見坑第 2 條會告訴你少了它會發生什麼事。
Parse JSON + Router 三路分流
接一個 JSON → Parse JSON 模組,Source 填 OpenAI 輸出的內容(Result 欄位),把 AI 回的字串變成後面模組能用的變數。
再接 Router,拉出三條路,每條路加 filter(點路線上的扳手圖示 → Set up a filter),條件用剛 parse 出來的 level:
- urgent 路:filter 條件
level = urgent→ 接 Slack → Create a Message 發到值班頻道,訊息帶上summary、owner和表單原文連結;再串一個 Gmail → Send an Email 直接寄給負責人(急件雙保險)。 - normal 路:filter 條件
level = normal→ 接 Google Sheets → Add a Row,把姓名、主旨、AI 的 category 與 summary 寫進待辦表,客服每天照表消化。 - spam 路:filter 條件
level = spam→ 一樣 Add a Row 到另一張「疑似垃圾」表就好,不要直接丟掉——AI 分類會有失手率,每週人工掃一眼,發現誤殺就回頭改 prompt 的分類規則。
存檔、把 Scenario 開成 ON,填一筆測試表單(主旨寫「網站整個掛了!」)驗證 Slack 有沒有跳通知。
換料改造:進單源換成 Gmail 的 Watch Emails,就是客服信自動分類;分類規則改成「合格/不合格/待面試」,就是履歷初篩;urgent 路的 Slack 換成 Telegram 或電話 API,通知強度自己調。算一下成本:這條流程 5 個模組,每月 100 筆進單約 500 credits,免費方案裝得下——這就是它交給 Make 的原因。
案例三:一段想法變成排程貼文(n8n)
場景:你想經營 Threads 或 Facebook,靈感都在洗澡通勤時冒出來,但打開 App 要把碎念寫成貼文就懶了。做一條生產線:隨手丟一句想法進表單,AI 寫成完整貼文存進草稿表;你有空時掃一眼、把滿意的標成「核准」;每天晚上 9 點,流程自動抓一則核准的貼文發布。
這條的重點是 human-in-the-loop(人工把關):AI 寫的東西直接自動發到你的公開帳號風險太高,中間一定隔一道人工核准。所以是兩條 workflow 夾一張 Google Sheet:
先建草稿表
開一張 Google Sheet,第一列欄位:idea、post、status、published_at。status 只會有三種值:draft(AI 剛寫完)、approved(你核准了)、published(已發布)。這張表就是整條生產線的中樞。
Workflow A:想法進來,AI 寫成貼文
第一個節點用 n8n Form Trigger——n8n 內建的表單觸發器,啟用後給你一個網址,存到手機主畫面,靈感來了 10 秒就能丟。表單只要一個欄位:idea(長文字)。
接 AI 節點,system prompt:
你是我的社群代筆,平台是 Threads,受眾是台灣的上班族與自由工作者。
語氣:像跟朋友聊天,直接、有觀點,不油、不喊口號。
User message:
把下面這段零散想法寫成一則 Threads 貼文:
- 第一句要是鉤子,讓人想繼續往下讀
- 全文 150~250 字,台灣口語,分 3~4 個短段
- 不用 hashtag,emoji 最多 1 個
- 結尾丟一個問題引導留言
- 只輸出貼文本文,不要標題、不要任何前後說明
想法:{{ $json.idea }}
最後接 Google Sheets 節點(Operation 選 Append Row):idea 填原始想法、post 填 AI 輸出、status 固定填 draft。啟用。之後你的審核動作就只是:打開 Sheet,讀一下 post,想發的把 status 改成 approved,想改字直接在儲存格裡改——表格就是你的編輯台。
Workflow B:每晚 9 點,發一則核准的
另開一條 workflow:Schedule Trigger(cron 0 21 * * *,一樣記得把 Timezone 設 Asia/Taipei)→ Google Sheets 節點(Operation 選 Get Row(s),filter 條件 status = approved)→ Limit 節點設 Max Items 為 1(一天只發一則,細水長流)。
發布端看你的平台:Facebook 粉專、LinkedIn 有現成節點,接上就能直接發;Threads 和 Instagram 的 API 要走 Meta 開發者申請,對新手偏繁瑣,誠實的建議是先做「半自動版」——接一個 Telegram 節點,晚上 9 點把貼文全文推到你手機,你長按複製、貼上、送出,10 秒完事。等第 6 課學會 Webhook 和 API 串接,再回來把最後一哩升級成全自動。
不論哪種發法,最後都接一個 Google Sheets → Update Row,把該列 status 改成 published、published_at 填 {{ $now }}——不做這步,同一則貼文明天會再發一次。
換料改造:prompt 裡的平台與語氣換掉,就是 Facebook 長文版或 LinkedIn 專業版;Form Trigger 換成 Telegram Trigger,就能直接傳訊息給自己的 bot 收想法;一次讓 AI 產三種平台版本、寫進三個欄位,就是一魚三吃的內容中台。
常見坑
坑 1:排程時間全部慢 8 小時
症狀:明明設早上 7 點半,摘要信下午 3 點半才來;晚上 9 點的貼文半夜才推播。原因:n8n 的 cron 是照「伺服器時區」跑的,雲端版與多數 VPS 預設 UTC,跟台灣差 8 小時。解法:每條用到 Schedule Trigger 的 workflow,都進 Settings 把 Timezone 設成 Asia/Taipei;自架的人一勞永逸的做法是在環境變數加 GENERIC_TIMEZONE=Asia/Taipei 再重啟。改完用「Execute Workflow」測不出時區問題(手動執行是立刻跑),要看 Executions 紀錄裡實際觸發的時間戳確認。
坑 2:AI 回的 JSON 解析失敗
症狀:Make 的 Parse JSON 模組亮紅色,錯誤訊息 Source is not valid JSON.;n8n 的 Code 節點噴 SyntaxError: Unexpected token ''`。原因:模型很愛「熱心地」把 JSON 包在 json 程式碼框裡,或前面加一句「好的,以下是分類結果:」——多這幾個字元,解析器就直接罷工。解法有三層:prompt 裡明寫「只輸出純 JSON,不要 markdown 符號、不要任何說明文字」(案例二已內建);模型支援的話打開 JSON mode / Structured Output 強制格式;還是不放心,就在解析前加一步把 與前後空白字元清掉。三層都上,基本上就穩了。
坑 3:摘要信內容跟原文對不上(AI 在瞎掰)
症狀:摘要信寫得頭頭是道,點進連結一看,內文跟摘要根本兩回事。原因:不少 RSS feed 只給標題、content 欄位是空的,AI 拿到「只有標題的新聞」就自己腦補了一篇。解法:回到案例一第 2 步,執行 RSS 節點看輸出,確認 contentSnippet 或 content 哪個真的有字,Code 節點裡取對欄位;來源真的只給標題,就在 system prompt 加「snippet 資訊不足時只轉述標題,不要自行想像內容」(案例一的 prompt 已放了這句)。AI 流程的鐵律:餵進去的是空的,出來的就是編的。
坑 4:Make 免費額度默默燒完,流程直接躺平
症狀:某天發現表單進單都沒通知,登入 Make 看到 Scenario 被停用,通知寫著 operations 額度已用完(You have reached the limit of your monthly operations)。原因:polling 型 trigger 每次檢查都吃 credit,就算沒有新資料;加上每個模組一步一 credit,量一大就爆。解法:把 Watch Responses 的排程間隔從 15 分鐘拉長到 30~60 分鐘(對非急件場景足夠);在 Router 前把 spam 提早濾掉,省下後面模組的步數;每月量真的上來了,就照本課開頭的計費對照,把流程搬去 n8n——這正是「簡單低量用 Make、複雜大量用 n8n」的實際體感。
作業
- 把案例一完整做出來並 Active,連續收三天摘要信。第二天起調整 prompt:把「台灣科技工作者」換成你真正的身分與關注領域,感受同一條流程換個 prompt 就換一個秘書。
- 三選一改造:用「換料改造」清單裡的任一方向,把其中一個案例改成你自己的版本(例如 RSS 換成你的產業媒體、分流規則換成你的收件情境)。改完畫面截圖存下來,這是你的第一條原創流程。
- 觀察一週:記下每條流程的 execution 或 credit 用量,對照本課的計費圖,算算看放在另一個平台會花多少——培養成本直覺,第 7 課的成本控管總整理會用到。
下一課預告
這堂課的三個案例有個共同限制:觸發都靠「排程」或「輪詢」,不是等時間到、就是每 15 分鐘問一次有沒有新東西——案例二的急件最慢要等 15 分鐘,案例三的 Threads 自動發布也還差最後一哩。第 6 課教 Webhook:讓任何服務在事情發生的那一秒,主動敲你的流程開工。學會它,表單送出的瞬間 Slack 就響、付款成功的瞬間出貨流程就啟動,你的自動化從「定時查崗」升級成「即時反應」——那才是萬物皆可串的世界。