71 的美食創作者推薦小精靈
一、專案背景與動機
這個專案取名為「71的美食創作者推薦小精靈」，希望讓使用者不用經過太複雜的操作，就能找到感興趣的料理內容並嘗試製作。平常在 Instagram、Threads 或 TikTok 上，常常可以看到各式各樣的料理短影片。無論是健康家常料理、台式料理，還是不同國家的特色料理，都能透過短影片快速了解一道菜的樣子。不過，料理內容很多，想找到真正符合自己需求的影片，有時還是需要花不少時間。因此，我想利用 LINE 聊天機器人結合 AI，製作一個能依照用餐時段與料理偏好，協助使用者推薦料理短影片的小助手。

二、想解決的問題
這個專案主要想解決：
(1)料理影片分散在不同平台，尋找符合需求的內容需要花時間。
(2)使用者可能不知道該吃什麼料理，希望能透過簡單的選單快速找到方向。
(3)如果 AI 只推薦美食創作者的帳號，使用者還是得自己尋找影片，因此希望能直接提供具體的影片連結。
(4)AI 產生的內容不一定完全正確，所以除了生成推薦文字，也需要盡可能確認影片是否真實存在，避免提供錯誤資訊。
因此我希望這個聊天機器人不只是能回答問題，而是真的能幫助使用者找到想看的料理短影片。

三、遇到的困難與解決方式
這次專案雖然最後成功執行，但中間其實遇到不少問題，也讓我對 n8n 的操作有更深入的了解。
(1)不熟悉節點設定：
一開始，我對不同節點的功能及設定方式還不熟悉，常常不知道該在哪個欄位輸入資料，或是怎麼讓上一個節點的內容傳到下一個節點。後來透過逐一檢查節點設定與執行結果，才慢慢理解每個節點負責的工作。
(2)Switch 輸出資料變成空白：
在測試「健康家常料理」時，明明 Webhook 已經收到正確的訊息，但 Switch 的輸出卻只顯示 "{}"。這讓我發現，即使使用者的訊息有成功進來，也不代表後面的節點一定能取得相同資料。排查時需要分開檢查輸入、輸出及 Expression，不能只看畫面上的流程連線。
(3)AI Agent 出現 No prompt specified：
AI Agent 曾經因為沒有取得有效的 Prompt 而無法執行。過程中，我也弄混了 Prompt Source 和 Prompt User Message 的設定位置。後來確認正確欄位，並透過 Expression 直接讀取 Webhook 的訊息，才解決這個問題。設定 Expression 時，除了內容要正確，也要放在正確的欄位中，並確認預覽結果是否符合預期。
(4)LINE 回覆出現 replyToken 錯誤：
最後的 HTTP Request 曾經出現 "replyToken" 為空的錯誤，導致 LINE 無法正常收到回覆。後來將讀取方式改為從 Webhook 第一筆資料取得 replyToken ，重新執行後就能正常回覆。API 出錯不一定是整段 JSON 有問題，也可能是某個必要欄位沒有成功取得資料。閱讀錯誤訊息能幫助我們更快找到問題。
(5)AI 推薦不一定可靠：
在設計推薦規則時，我發現 AI 可能只提供創作者帳號，或是產生無法確認的影片連結。因此，我調整了 System Message，要求 AI 優先推薦具體影片、提供原始連結及簡短的料理介紹，並避免編造網址。不過，提示詞只能規範 AI 的行為，不能完全保證內容正確。未來還需要進一步驗證影片連結與實際內容。
(6)執行時間比較長：
測試時發現，Gemini 和 Tavily Search 都需要一定的處理時間，其中一次 Gemini 呼叫甚至花了約 26 秒。這讓我開始注意到，聊天機器人不只是要能正常執行，也需要考慮使用者的等待時間。未來可以透過執行紀錄找出較慢的節點，再調整搜尋數量、回答長度及模型呼叫次數。

四、未來可以如何改善
我認為這個專案還有幾個可以繼續進步的方向。
第一，提升影片推薦的準確性。未來應加強搜尋結果的篩選，確認影片網址是否有效、影片內容是否符合料理類型，避免推薦錯誤的資訊。
第二，縮短執行時間。可以減少不必要的模型呼叫，控制搜尋結果數量及回答長度，並持續觀察各節點的執行時間。
第三，簡化整體流程。由於使用者已經透過選單提供料理偏好，可以評估是否需要每次都使用 Simple Memory，避免增加不必要的處理。
第四，建立更完整的錯誤處理方式。如果搜尋失敗、模型沒有回覆，或 LINE API 發生錯誤，系統應該能辨識情況並提供適當的回應。
第五，思考長期運作的方式。目前使用的是 n8n Cloud 試用環境，因此未來還需要評估免費自架環境、工作流程備份、憑證管理及公開 Webhook 網址等問題，才能讓機器人持續運作。

五、心得與反思
這次專案讓我從零開始接觸 n8n，也實際完成了 LINE、AI 模型與搜尋工具的串接。原本以為只要把節點連起來，再設定好 AI 的角色，就能讓聊天機器人正常運作，但實際操作後才發現，很多問題都出在資料傳遞、欄位設定及不同工具之間的配合。尤其是 Switch 輸出空白、AI Agent 無法取得 Prompt，以及 LINE 回覆時 replyToken 為空等問題，都讓我花了不少時間排查。不過，當我開始學會查看執行紀錄、檢查 Expression 和理解錯誤訊息後，就比較能有方向地解決問題，而不是一直反覆修改設定。
我也發現，AI 能夠產生回答，不代表它提供的資訊一定正確。對這個專案來說，真正重要的不是讓 AI 寫出一段看起來很完整的推薦，而是讓使用者真的能找到符合需求的料理影片。對我而言，這次最大的收穫，是開始理解如何把不同工具組合成一個真正能運作的服務。未來如果有機會繼續開發，我希望能讓「71小精靈」不只成功執行，也能變得更準確、更方便，並且長期穩定地運作。

圖一為71的美食創作者推薦小精靈官網QR碼可以加入體驗看看