1. 我做了什麼？

因為想認真經營threads的關係，所以這次製作了「Threads 題材策略分析助手」。
主要分成兩個功能：

1、AI 題材策略分析
將平常經營 Threads 的貼文數據手動整理到 Google Sheets 串接 AI，自動分析不同題材的表現，提供「開始、停止、繼續、調整」的內容策略建議，最後將分析結果寫回 Google Sheets。

2、② LINE AI 小精靈
串接 LINE 官方帳號，讓我可以直接透過 LINE 提問，自動讀取 Google Sheets 中的分析資料，再交由 AI 回覆。
將原本需要人工閱讀報表、整理數據、思考策略的過程，轉化成更有效率的 AI 輔助決策流程。

2. 做出來的心得是什麼？

原本以為只要把節點建立並串連，就能順利完成自動化，實際操作後才發現，最花時間的不是建立流程，而是找出流程為什麼沒有照預期運作。

從部署 n8n、設定 Google OAuth 授權、串接 API，到 LINE Webhook 的測試，中間遇到不少問題。
像是 Google 授權失敗、節點一直執行卻沒有結果、LINE 訊息無法正常回覆等，都需要逐步確認資料有沒有正確傳遞。

這次最大的體會是：

即便AI 可以協助分析與解決問題，但前提是自己要清楚希望系統完成什麼，以及如何判斷結果是否正確。
另外也開始思考自動化背後的成本。
例如，如果每次新增一筆資料，都讓 AI 重新分析所有歷史紀錄，不僅浪費 Token，也不一定能提升分析品質。
因此，自動化不應該只是讓事情自動執行，而是要思考如何讓流程更精準、更有效率。

3. 有什麼經驗可以分享？

① 先讓最小可行版本（MVP）成功運作
一開始不需要追求所有功能一次到位。
先完成「讀取資料 → AI 分析 → 寫入結果」，確認能正常執行後，再延伸到 LINE 問答功能。

② 除錯時，一次只確認一個環節
當工作流沒有正常執行時，比起反覆修改整個流程，更有效的方式是逐一檢查每個節點的輸入與輸出。
先確認問題出在哪裡，再針對該環節調整。

③ 自動化不代表所有事情都要交給 AI
刻意保留手動輸入 Threads 數據的方式，因為在整理數據的過程中，自己也能觀察到內容表現的變化，而 AI 則負責協助歸納趨勢與提出策略。這樣的分工，比完全依賴 AI 更符合實際工作需求。

④ AI 的建議仍然需要驗證
例如目前「客戶回饋」題材只有一篇相關貼文，AI 因為缺乏足夠的比較資料，建議先暫停。
但這不代表題材真的沒有效果，而是目前的數據還不足以支持明確判斷。
這也提醒我，AI 給出的分析看似合理，仍然需要逐一確認背後的依據。

這次最大的收穫，不只是複習如何串接，更是開始思考，如何透過 AI 與自動化，真正解決工作中遇到的問題。
也發現，自動化的價值不只是節省時間，也是回歸自動化的使用意圖，
把重複性的工作交給系統，讓自己有更多時間專注在分析、判斷與決策上。