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

AI 已經不只是回答問題——它現在可以做決策、呼叫工具、記住對話、甚至自己判斷下一步該怎麼做。這就是 AI Agent。在 n8n 裡，你可以用 AI Agent 節點搭配 Claude，不用寫一行程式碼，就能打造一個真正的智慧助理。本篇帶你從零開始實作，並在 Zeabur 部署上線。

1 什麼是 AI Agent？和一般自動化工作流有什麼不同？

傳統的自動化工作流是「傻瓜流程」：如果 X 發生，就做 Y；如果 Z，就做 W。邏輯固定，沒有彈性。例如，當有新訂單時，自動發送確認郵件——這是規則化的，無論訂單是什麼內容，動作都一樣。

AI Agent 則不同。AI Agent 有自主決策能力。給它一個目標（例如「客服」），它會自己決定：該用哪個工具？要查什麼資料？怎樣才能解決用戶的問題？它可以多步驟推理、在不同選擇之間權衡、甚至改變策略。

具體例子

傳統工作流：偵測到訂單 → 查訂單號 → 發送郵件樣板「感謝購買」。訊息都一樣。

AI Agent：偵測到訂單 → AI 讀取訂單內容 → AI 決策「這是大額訂單，我應該打電話確認」或「這是小額商品，email 就夠了」或「客戶之前投訴過，我應該額外送禮物券」。每筆訂單的回應都不一樣。

2 n8n 的 AI Agent 節點：架構與原理

n8n 提供了一個專門的「AI Agent」節點，裡面整合了三個核心組件：LLM（語言模型）、Memory（記憶）、Tools（工具）。理解這三個組件，就能理解 AI Agent 如何工作。

LLM（語言模型）

這是 AI Agent 的「大腦」。Claude、GPT-4、Gemini 都是 LLM。你的工作是選擇一個夠聰明的模型。Claude 3.5 Sonnet 是當下最強的開源模型之一，推理能力強、長上下文支援（200K tokens），特別適合複雜的 Agent 任務。

Memory（記憶）

不加 Memory，AI 每次回應都是孤立的——它不記得你上一句說了什麼。加入 Memory 後，AI 能看到對話歷史，做出連貫的回應。n8n 支援多種 Memory 模式：Window Buffer Memory（保留最近 N 輪對話）、Postgres Chat Memory（永久保存到資料庫）、Redis Chat Memory（超高速記憶）。

Tools（工具）

AI 本身只會「說話」，不會「做事」。Tools 就是讓 AI 能調用的外部函數。例如：HTTP Request Tool（查詢 API）、Database Tool（查詢資料庫）、Google Sheets Tool（讀寫 Sheet）、Calculator Tool（做數學運算）。AI 會自動判斷需不需要用工具，用哪個工具。

3 前置準備：Zeabur 部署 n8n + 取得 Claude API Key

和 LINE 整合的教學類似，你需要一個執行 n8n 的伺服器，和 Claude 的 API 金鑰。

在 Zeabur 上部署 n8n（快速版）

• ➊
  登入 Zeabur，建立新專案

  進 zeabur.com，用 GitHub 帳號登入。點「New Project」。

• ➋
  從 Marketplace 選 n8n

  在 Marketplace 搜尋「n8n」，點 Deploy。系統自動部署，通常 5 分鐘內完成。

• ➌
  取得公開 URL

  部署完後，你會得到一個 https://your-app.zeabur.app 的 URL。這就是你的 n8n 實例。

取得 Claude API Key

進 Anthropic Console（console.anthropic.com），用 Google 帳號登入。點「Create API Key」。系統會生成一個長字串，複製它。這就是你的 Claude API Key。妥善保管，別洩露。

4 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

• ➊
  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。

• ➋
  加入 AI Agent 節點

  從節點庫搜尋「AI Agent」，拖入工作流。

• ➌
  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。

• ➍
  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。

• ➎
  選擇模型

  在「Model」下拉選「Claude 3.5 Sonnet」（或最新版本）。

• ➏
  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。

• ➐
  測試

  按 Test，輸入一個問題（例如「今天天氣怎樣？」），AI 應該會回覆。

5 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。

6 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。

• ➊
  在 AI Agent 節點，點「Memory」設定

  選「Window Buffer Memory」。

• ➋
  設定 Window Size

  輸入「5」（保留最近 5 輪對話）。

• ➌
  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。

7 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。

• ➊
  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。

• ➋
  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」。

• ➌
  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）。

8 AI 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，用 Highlight Cards 呈現數據對比：

場景 1：客服助理

用 AI Agent 接待客戶。Agency 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%。

延伸閱讀

常見問題

n8n AI Agent 和直接呼叫 ChatGPT API 有什麼差？

直接呼叫 API 只能單次問答，沒有工具呼叫和記憶能力。你得手動寫程式碼實現「記住對話」「呼叫 API」等邏輯。n8n AI Agent 封裝了這些功能，開箱即用。你可以視覺化拖拉節點組合工作流，無需寫程式碼，改邏輯更快。

一定要用 Claude 嗎？可以換成 GPT-4？

不一定。n8n 的 AI Agent 節點支援 OpenAI（GPT-4、GPT-4o）、Claude、Gemini、Azure OpenAI、Ollama 等多種 LLM。換模型只需在 AI Agent 節點改一個下拉選項。Claude 的優勢是推理能力強、長上下文支援（200K tokens），適合複雜任務；GPT-4 的優勢是視覺理解、函數呼叫能力。根據你的需求選擇。

AI Agent 的費用怎麼算？

n8n 本身（自架版）不收 AI 費用。費用來自你使用的 LLM API。Claude Sonnet：每百萬 input token $3、output token $15。一次客服對話可能 2,000 tokens，成本 $0.03。月處理 5,000 對話，成本 $150。如果用 GPT-4，費用會是 2-3 倍。加上 Zeabur 伺服器 $500/月，整體成本 $650-800/月，已經遠低於雇人客服。

Memory 節點會永久記住對話嗎？

Window Buffer Memory 只保留最近 N 輪對話，更早的對話會丟棄。如果你需要永久記憶，改用 Postgres Chat Memory 或 Redis Chat Memory，把對話永久存進資料庫。效能和成本會有差異，評估是否值得。

Multi-Agent 適合什麼場景？

適合複雜的多步驟任務。例如：研究助理（搜尋 Agent + 分析 Agent + 撰寫 Agent），或人工審核流程（AI 草稿 → 主管審核 → 自動發送）。一個 Agent 應對簡單任務，多個 Agent 應對複雜任務。但要注意，Agent 愈多，token 消耗愈多，成本愈高。評估 ROI。

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