發佈留言 / 技術研究 / 作者:

🚀從零開始，用 n8n 讓 LINE 機器人學會思考🧠！

🧠 整體流程說明

raw-image

① MQTT Trigger

  • 這是整個流程的入口，負責監聽 MQTT 訊息（我在雲平台有架設一支程式，把Line拋出的Webhook轉成mqtt）。
  • 當有新訊息進來時，就會觸發整個 workflow 執行。

② Code in JavaScript

  • 用來解析或轉換輸入的 JSON 結構。
    例如：從 MQTT 訊息中取出 message.text、userId 等資料，再格式化成 LLM 可理解的輸入。
  • 這裡加上預處理邏輯，例如：
// 取得傳入的文字內容（例如 LINE webhook 傳來的事件）
let text = $input.first().json.message.events[0].message.text;

// 建立新的訊息內容
let new_message = `以取得資訊：${text}`;

// 回傳新資料給下一個節點
return {
  // payload: $input.all(),
  message: new_message
  
}

③ Message a model1（Message Model）

  • 這是 LLM（大型語言模型） 節點，使用是 OpenAI的 GPT-5 nano (會選擇這個模型，不為別的就是比較省)。
  • 負責根據使用者輸入產生智慧回覆。

④ Line Messaging1

⑤ Chat Memory Manager + Simple Memory

  • 為 LLM 加入「對話記憶」能力。
    • Chat Memory Manager 用來控制記憶的載入與儲存。
    • Simple Memory 則是實際儲存記憶資料的節點（可以是暫存或資料庫）。

⚡ 整體流程摘要

🟣 MQTT → 🟠 JS Preprocess → 🔵 LLM (Message Model) → 💚 LINE Messaging

↘ 記憶管理 (Chat Memory Manager + Simple Memory)

💬 實際應用範例

raw-image

🚀 結語：首次使用 n8n，真的有被驚艷到！

這次第一次動手玩 n8n，整體體驗超出預期，尤其是它對「數據流與數據格式的可視化呈現」讓人一目了然。

對比傳統寫 code 的開發方式，n8n 讓自動化流程更直覺、更具掌控感。

🌟 優點亮點

  1. 數據流清晰透明
    每個 Node 的輸入與輸出資料都能即時查看，比起純程式開發更容易理解與除錯。
  2. 內建支援豐富
    節點種類非常多，幾乎涵蓋常見雲服務與開發場景，一看就知道有很多可嘗試的整合方向。
  3. 開發即部署
    儲存工作流後即可執行，不需要再花時間架設伺服器或手動部署。
  4. 高重用性設計
    相同專案間可輕鬆複製與改造工作流，大幅提升開發效率。

🤔 需要適應的地方

  1. 部分節點參數受限
    例如 LINE Message API，在原始程式中可調整的細節更多，而在 n8n 節點中會受介面限制。
  2. 介面導向的學習曲線
    沒有程式碼導覽（code navigation），初期要熟悉 UI 與節點設定需要花點時間。
  3. 複雜邏輯不易表達
    若流程中需要多層判斷、迴圈、佇列（queue）或多執行緒（thread）概念，暫時還不太直覺。

💡 變通與延伸想法

  1. 將複雜邏輯封裝成 API
    把需要高客製邏輯的部分用程式實作成獨立 API，再讓 n8n 負責串接與編排。
  2. 結合外部執行環境
    除了 API，也能將某些邏輯包成可執行檔（exe）或腳本，讓 n8n 透過 CMD 觸發執行。

整體而言，n8n 給人的感覺就像是「程式邏輯的可視化 IDE」，可以值得深入研究。

相關文章