IT專才培訓 - 技術與學術兼備
每課均根據完整約 2.5 小時課堂逐字稿整理，展示實際摘要、時間章節及測驗題目。
本課程為AI Agent自動化實作的第一堂課，導師Dannis詳細講解了n8n工作流程自動化工具的安裝與基礎應用。課程首先比較n8n本地端與雲端版註冊，並帶領學員了解NVM工具及Node.js配置。接著介紹JSON資料結構核心概念，示範如何建立表單觸發點，將使用者上傳的Excel二進位檔案轉為JSON格式，並透過Edit Fields節點運用Expression進行邏輯運算與條件判斷，再將結果轉回Excel輸出。課程後半段引入AI技術，教授如何申請Mistral、DeepSeek及Google Gemini的API Key，並提供VPN地區限制的解決方案。最後帶領學員實作倉存管理的自動化審查流程，結合Code節點整合數據，交由AI Agent根據設定的System Prompt進行資料分析並自動生成商業報告，讓學員充分掌握從資料處理到AI分析的自動化開發技巧。
介紹n8n課程目標，並引導學員下載NVM管理工具以在本地環境配置Node.js並安裝n8n。
解說n8n雲端版本的註冊流程、免費試用期限以及付費運行的伺服器考量。
說明Workflow的核心概念，介紹各種Trigger觸發點，並進行第一次手動觸發測試。
解析JSON格式的基本語法，說明陣列與物件的區別，幫助學員理解網路資料傳輸標準。
實作On Form Submission節點，建立帶有標題與檔案上傳功能的表單。
利用Extract from file節點，將使用者上傳的Excel二進位檔案轉為n8n可讀取的JSON格式。
使用Edit Fields節點中的Expression功能，對JSON資料進行年齡計算與成年判定等邏輯運算。
新增Convert to File節點，將處理好的JSON資料轉回Excel格式並設定檔名供下載。
建立全新的水果倉存Excel表格，準備進入結合判斷是否需要補貨的自動化進階情境。
引導學員註冊歐洲的Mistral AI服務，並取得API Key以用於後續的AI模型分析。
設計TestAI工作流程，串接聊天觸發器、AI Agent與大語言模型進行對話測試。
在Mistral回應不穩定的情況下，介紹並註冊便宜且穩定的DeepSeek及OpenRouter做為後備AI模型。
示範如何開啟VPN連接台灣節點，成功進入Google AI Studio申請Gemini API Key。
在倉存流程中加入Code節點統整數據，並設定System Prompt讓AI分析最佳與最差銷量的產品。
說明如何將完成的工作流程發佈為生產環境的URL，並回顧整堂課的學習重點。
本課堂為自動化課程第二節，重點教授如何使用n8n整合不同工具建立自動化工序。前半部分示範設定情感分析流程，讓學生將Excel內的客戶意見交由Mistral或DeepSeek等AI模型分析，並利用合併節點(Merge)處理分散的數據。後半部分則詳細示範Google Cloud Platform的設定，包括啟用Gmail、Google Drive及Google Sheets API，並取得OAuth憑證授權。完成憑證綁定後，課程展示了在n8n中存取雲端試算表進行批量情感分析、批量發送客製化電郵，以及建立表單自動於Google Drive建立資料夾儲存上傳檔案等進階應用。
介紹如何開啟並登入n8n的本地伺服器與雲端工作環境。
示範加入AI情感分析節點並測試單句正負面評價。
使用AI生成多筆正負面及中性意見並存入Excel檔案中。
建立OnForm Submission觸發節點讓使用者能上傳Excel檔案。
透過檔案轉換節點將上傳的Excel變成n8n可讀取的JSON格式並連接AI節點。
將多筆AI分析後的分散數據透過Merge節點重新匯聚整合以便輸出。
登入Google Cloud Console建立專屬專案以準備存取Google各項API服務。
在Google專案中開啟自動化流程所需的Gmail、Google Drive與Google Sheets服務權限。
建立驗證憑證並為本地及雲端n8n設定正確的重新導向URI以完成授權。
將取得的客戶端ID與密碼輸入n8n，完成Google帳戶連線設定與權限驗證。
設定Gmail節點發送測試電郵，並說明如何移除預設的n8n簽名標籤。
直接讀取雲端試算表資料，交由AI情感分析後動態更新回原表格。
利用Edit Fields節點篩選所需欄位，並確保寫回試算表時欄位配對(Map Column)正確。
示範讀取Google Sheets中的客戶名單與客製化訊息並結合排程進行批量發信。
設定表單接收人名與檔案，以動態變數在Google Drive自動建立資料夾並儲存檔案。
利用雲端版內建的AI助手自動排解節點連線錯誤與檔案存取邏輯問題。
本堂課主要教授如何透過自動化工具整合 AI 模型處理文件與建立知識庫。前半段示範在本地或雲端環境設定 HTTP Request，串接 Mistral API 進行發票 OCR 辨識，並利用 Information Extractor 節點與 DeepSeek 模型提取特定欄位資料。後半段則介紹 OpenRouter 作為多模型中繼站的用法，接著講解 RAG (檢索增強生成) 與向量資料庫的運作原理。最後實作了申請 Qdrant 叢集，並設定 Google Cloud 憑證以連接 Google Drive，為下一步將文件轉換為向量嵌入並寫入資料庫作準備。
介紹今日主題 OCR，並指導如何在雲端或本地端開啟 n8n 進行環境設定。
示範在終端機輸入重置指令，以恢復 n8n 登入權限。
透過呼叫 jsonplaceholder 測試網站，學習如何使用 GET 方法下載 JSON 資料。
講解將發票上傳至 Mistral 並取得編號，再透過編號下載辨識結果的雙步驟流程。
建立新工作流，加入 On Form Submission 節點以接收使用者上傳的發票檔案。
介紹 Information Extractor 節點，結合 AI 模型從 OCR 文字中抽取出所需資料。
當 Mistral 遇到頻率限制時，改用 DeepSeek 模型並教學如何加值與設定憑證。
介紹可連接多種語言模型的中繼平台 OpenRouter，並示範獲取與設定 API 金鑰。
說明如何利用 RAG 技術讓 AI 根據公司內部 HR 政策文件來回答問題。
解釋將文字轉化為數字陣列儲存，並透過相似度進行文意搜尋的運作邏輯。
引導學員申請免費的 Qdrant 向量資料庫，並複製 Endpoint 與 API Key。
登入 GCP 控制台，建立 OAuth 憑證並啟用 Google Drive API 以利檔案讀取。
將政策文件上傳至雲端硬碟，供後續 n8n 工作流下載使用。
在工作流加入 Qdrant 節點並配置 Cluster ID，準備將文件進行 Embedding 處理。
講師測試 RAG 流程並嘗試解決 Qdrant 節點資料寫入的問題，總結今日學習重點。
本次課堂主要教授如何在 n8n 中建立並串接各種 AI 代理 (AI Agent) 與外部工具，實現自動化工作流程。前半部集中於建立 RAG 知識庫，指導學員以 Pinecone 取代 Qdrant 建立向量資料庫，將美國憲法 PDF 檔轉換為向量並透過聊天介面進行問答。後半部涵蓋三個實作練習：首先是「AI 新聞摘要器」，利用 SerpAPI 搜尋 AI 新聞並排程發送 Gmail 摘要；其次是「客戶服務代理」，透過表單接收意見，進行情緒分析，將紀錄寫入 Google Sheets，並由 AI 自動草擬道歉信回覆負評；最後簡介了「預約排程代理」，結合 Google Calendar 查詢與新增行程，並說明如何租用 VPS 伺服器部署自動化流程。
講師開場並指示學員開啟 n8n 雲端版或單機版準備本堂實作。
指導學員放棄 Qdrant，改用 Pinecone 建立向量資料庫來儲存知識庫。
指示學員將美國憲法 PDF 檔上傳至 Google Drive 作為 RAG 分析文本。
執行流程將憲法文件切片轉換為 71 份向量數據並存入向量資料庫。
建立接收訊息的節點，讓 AI 代理透過工具檢索向量資料庫以回答問題。
將設定好的工作流程發佈，產生對話介面網址以測試詢問參議員最低年齡。
開始首個實驗，目標是每日定時搜尋 AI 新聞並總結發送電郵給用戶。
指導學員註冊 SerpAPI 帳號並取得 API 金鑰，以串接網路搜尋功能。
在 n8n 中加入排程觸發器、AI 代理、搜尋工具及 Gmail 節點建立流程。
解說並輸入 System Prompt，指示 AI 挑選重要新聞並轉為 HTML 格式電郵。
介紹第二個實驗，建立能自動分析客戶意見情緒並做出相應回覆的流程。
建立線上表單接收姓名、電郵與意見，並串接節點判斷情緒為正、負或中性。
將表單結果寫入試算表，並設定 AI 自動撰寫包含折扣的道歉信給予負評客戶。
講解預約代理邏輯，包含記憶對話、查詢及建立 Google Calendar 行程與確認信。
提供所有實驗流程的 JSON 備份檔，指導學員匯入檔案並結束本次課程。
試學影片用作示範學習體驗，內容未必與本課程相同
Copyright © 2025 Unisoft Education Centre. All Rights Reserved
