n8n AI Agent 教學：用 Claude 打造你的第一個 AI 自動化助理【2026 實戰版】

想讓 AI 不只是回答問題，還能自己做決策、呼叫工具？這篇帶你用 n8n 的 AI Agent 節點搭配 Claude，從零打造智慧自動化助理，在 Zeabur 上一鍵部署立即開始。

01AI Agent 是什麼？三大支柱理解智慧自動化

在開始用 n8n 打造 AI Agent 前，先理解什麼是 AI Agent。簡單說，AI Agent 是一個能「自主決策、呼叫工具、記住對話」的智能系統。它不像 ChatGPT 只能被動回答問題，而是主動協助你完成複雜任務。

AI Agent 的核心由三個部分組成：

舉個例子：你問客服 AI「我上週的訂單還沒收到，怎麼辦？」

• LLM（大腦）：理解你是在詢問訂單狀態，決定要查詢資料庫
• Tools（雙手）：自動連接資料庫查詢你的訂單，調用物流 API 查貨運狀態
• Memory（記憶）：記住你的用戶 ID、之前提過的訂單編號，避免重複提問
• 最後：AI 根據查詢結果，給你一個貼心的回答：「您的訂單預計明天送達」

02n8n AI Agent 原理：LLM + Memory + Tools

n8n 的 AI Agent 節點封裝了上述三個核心功能。它內建支援 Claude、GPT-4、Gemini 等多種 LLM，以及工具調用（Tool Calling）能力。你無需寫複雜的 Python 程式碼，只需拖拉節點即可搭建 Agent。

n8n AI Agent 的運作流程

1. 用戶輸入問題→ n8n 接收訊息
2. AI Agent 節點→ 把問題丟給 Claude（搭配系統提示）
3. Claude 決策→ 「我需要查詢資料庫」或「我可以直接回答」
4. 呼叫工具→ 如果 Claude 決定需要工具，自動執行 HTTP Request、Database Query 等
5. 回傳結果給 Claude→ Claude 看著工具結果，組合成答案
6. 回覆用戶→ 最終答案發送給用戶
7. 記住對話→ Memory 節點保存此輪對話，下次用戶問問題時 AI 會記得

為什麼選 Claude？

n8n 支援多種 LLM（OpenAI、Claude、Gemini），但 Claude 在以下方面優勢明顯：

• 推理能力強：擅長複雜邏輯和多步驟推理（特別是 Claude 3.5 Sonnet）
• 長上下文：支援 200K tokens，能記住超長的對話歷史和文件
• 工具呼叫精準：在 Tool Calling 上比 GPT-4 更穩定
• 費用平衡：價格和效能的平衡點最佳

03快速準備：Claude API、Zeabur 部署

步驟 1：申請 Claude API 金鑰

1. 訪問 console.anthropic.com
2. 用 Google 帳號登入
3. 點「Create API Key」
4. 複製生成的 API Key（形如 sk-ant-...），妥善保管
5. 設定使用額度提醒（可選，但建議）

步驟 2：部署 n8n 到 Zeabur

1. 訪問 Zeabur 並登入
   進 zeabur.com，用 GitHub 帳號登入，或直接用 Google 帳號
2. 建立新專案
   點「New Project」，選擇「Deploy」
3. 從 Marketplace 搜尋 n8n
   在 Marketplace 搜尋「n8n」，選擇官方模板，點「Deploy」
4. 設定環境變數
   Zeabur 會提示三個必填欄位：
   • N8N_BASIC_AUTH_USER：登入帳號（例如 admin）
   • N8N_BASIC_AUTH_PASSWORD：登入密碼（務必設強密碼）
   • WEBHOOK_URL：自動生成的 Zeabur 域名
5. 等待部署完成（通常 2-3 分鐘）
   完成後你會得到一個像 https://n8n-abc123.zeabur.app 的連結。用帳號密碼登入即可。

04實作一：基礎 AI Agent（回答問題）

先從最簡單的開始：建立一個 AI Agent，接收用戶訊息，回覆答案。無需工具、無需複雜邏輯，純粹測試 Agent 是否正常運作。

步驟

1. 建立 Chat Trigger
   在 n8n 新建工作流。加入「Chat」節點（或 Webhook 節點），設定為接收訊息。
2. 加入 AI Agent 節點
   從節點庫搜尋「AI Agent」，拖入工作流。
3. 設定 Credentials（Claude API Key）
   在 AI Agent 節點，點「Create New」建立 Anthropic Credentials。貼上你的 Claude API Key。
4. 設定系統提示（System Prompt）
   輸入一個簡短提示：「你是一個友善的助理，用台灣繁體中文回覆。」AI 會根據這個提示調整行為。
5. 選擇模型
   在「Model」下拉選「Claude 3.5 Sonnet」（或最新版本）。
6. 連接到輸出節點
   AI Agent 的輸出連到「Chat」或「HTTP Request」節點，回傳給用戶。
7. 測試
   按 Test，輸入一個問題（例如「今天天氣怎樣？」），AI 應該會回覆。

05實作二：加入 Tools（讓 AI 能搜尋、查資料）

現在升級一下。加入工具，讓 AI 能查詢實時資料、搜尋、計算。例如，當用戶問「今天天氣」，AI 會自動呼叫天氣 API；當問「帳單」，AI 會查詢資料庫。

常見的三種工具

工具 1：HTTP Request Tool（查詢外部 API）

用這個工具讓 AI 呼叫任何 HTTP API。例如呼叫天氣 API、新聞 API、Google Sheets API。在 AI Agent 節點，點「Add Tool」→「HTTP Request」。配置 API 端點、認證方式、預期回應格式。AI 會自動判斷什麼時候該呼叫這個工具。

工具 2：Database Query Tool（查詢資料庫）

讓 AI 直接查詢你的資料庫（PostgreSQL、MySQL、MongoDB）。點「Add Tool」→「Database」，填入資料庫連線資訊。AI 可以自動組合 SQL 查詢，例如「找出上週轉換率最高的產品」→ AI 自動寫 SQL 查詢。

工具 3：Google Sheets Tool（讀寫試算表）

連接到 Google Sheets，AI 可以讀取資料、更新資料。特別適合做「客服紀錄」、「待辦清單管理」。點「Add Tool」→「Google Sheets」，授權 n8n 存取你的 Google 帳號。

AI 如何自動選擇工具

你的工作只是加入工具。n8n 會自動生成「工具描述」提示，告訴 Claude 有哪些工具可用。Claude 看到用戶的問題，會自動判斷：需要查天氣？我用 HTTP Request Tool。需要查訂單？我用 Database Tool。全自動，無需你手動指定。

06實作三：加入 Memory（讓 AI 記住對話）

沒有 Memory，AI 每次回應都忘記你之前說過什麼。加入 Memory 後，AI 能看到完整的對話歷史，做出連貫的回應。

Window Buffer Memory（推薦新手）

這是最簡單的記憶方式。AI 只保留最近 N 輪對話（例如最近 5 輪），更早的對話就忘掉。優點是節省 token 成本，缺點是無法記住很久遠的事。

1. 在 AI Agent 節點，點「Memory」設定
   選「Window Buffer Memory」。
2. 設定 Window Size
   輸入「5」（保留最近 5 輪對話）。
3. 設定 Session ID
   這很重要。如果你有多個用戶，每個用戶要有唯一的 Session ID（例如用戶 ID）。這樣 AI 才不會混淆不同用戶的對話。

測試對話記憶

測試工作流。第一輪問「我叫 Alice」，AI 會回「很高興認識你 Alice」。第二輪問「我叫什麼名字？」，AI 會回「你叫 Alice」——因為它記住了。移除 Memory，再試一次，AI 會說「不知道」。

Postgres Chat Memory（進階持久化）

如果你想永久保存對話歷史（例如做客服紀錄、分析客戶互動），改用 Postgres Chat Memory。對話會存進資料庫，永遠不會丟失。設定方式類似：選「Postgres Chat Memory」→ 填入 Postgres 連線資訊 → 選 Session ID。

07進階：Multi-Agent 協作工作流

一個 Agent 有時不夠。當任務很複雜時（例如寫一份市場研究報告），可以用多個 Agent 分工協作——一個 Agent 負責搜尋資料，另一個負責分析，第三個負責寫結論。

架構

主 Agent（Orchestrator）接收用戶請求，判斷任務複雜度。如果簡單，自己做。如果複雜，分派給子 Agent：搜尋 Agent、分析 Agent、撰寫 Agent。各子 Agent 完成後，主 Agent 整合結果，回傳給用戶。

1. 建立多個 AI Agent 節點
   不用建立多個工作流，在同一個工作流裡加多個 AI Agent 節點，各自有不同系統提示。
2. 設定主 Agent 的指令
   告訴主 Agent「當任務是搜尋，派給搜尋 Agent；當任務是分析，派給分析 Agent」。
3. 用 Switch 或 IF 節點控制流程
   根據主 Agent 的決策，路由到對應的子 Agent。

適用場景

複雜的內容生成（寫文章、寫程式碼），多步驟審核流程（草稿 → 編輯審查 → 最終版），客服升級（簡單問題自己答，複雜問題轉給人類）。

08AI Agent 的 5 個企業應用場景

理論夠多了，看看實際能做什麼。以下是 5 個真實場景，展示 AI Agent 如何解決實際問題：

場景 1：客服助理

用 AI Agent 接待客戶。Agent 連接 LINE、Email、Facebook Messenger。AI 自動回答常見問題（退款、操作教學），複雜問題（bug 回報）自動轉給人類。月處理 5,000+ 客服詢問，自動化率 70%。成本：每月 $30 AI 費用 + $500 伺服器 = $530，而一個客服員工月薪 $1,500+。

場景 2：內容生成

一個媒體公司要寫 100 篇產品評論。手動寫要 2 週。用 AI Agent：輸入產品清單 → AI 自動搜尋產品資訊 → 寫評論 → 檢查品質 → 發佈。3 天完成。AI 寫初稿（節省 80% 時間），人類只需最後編輯。

場景 3：數據分析

銷售團隊每週要分析銷售數據。用 AI Agent：連接 Salesforce 和 Google Sheets → AI 自動查詢「本週銷售額」「前 5 大客戶」「轉換率趨勢」→ 組合成報告 → 發送給主管。5 分鐘完成，準確度 95%。

場景 4：報表摘要

每月要寫一份 CEO 月報。傳統方式：讀 10 份子部門報告、手動整理 → 3 小時。AI Agent 方式：自動讀取 10 份報告 → AI 提取重點 → 寫成 CEO 月報 → 發郵件。30 分鐘完成，全自動。

場景 5：行銷決策支援

行銷經理要決定下個月的廣告預算怎麼分配。AI Agent 連接 Google Analytics、Facebook Ads Manager、Shopify，自動分析「哪個管道 ROI 最高」「哪個受眾群最有價值」「季節性趨勢」。給出決策建議，決策準確度提升 60%。

?常見問題

📚延伸閱讀

最後更新：2026-03-30｜閱讀時間：14 分鐘｜分類：AI Agent