我一直對心理學、醫學以及商學領域的新知很有熱忱，但現實是研究生生活光是要顧及課業、論文進度與工作，時間就被切得非常碎。每次想要跟進跨領域的最新重大突破或產業趨勢，光是手動過濾海量資訊就耗費大半天。
與其被動被資訊淹沒，不如自己動手架一個專屬的自動化助理：

1. 日常隨問隨答：平常對特定新知、論文或商業事件有疑問，直接在 LINE 丟問題給它深入分析。
2. 每週定期週報：固定排程主動彙整前一週的重大新聞與論文核心趨勢，讓我能快速掌握全貌；看到特別有興趣的，再自己深入精讀。

整套架構：
工作流引擎：Docker 本地部署開源的 n8n。
外網連線：透過 Cloudflare Tunnel（Quick Tunnel）建立安全的公網通道，讓 LINE Webhook 可以直接敲進我本機的 Docker 服務。
大腦與搜尋：使用 Google Gemini API 搭配 Tavily Search API，讓 AI 具備即時聯網檢索最新學術與產業新聞的能力。
介面串接：LINE Messaging API。日常互動走被動回覆（Reply API），定時週報走主動推播（Push API）。

遇到的困難:
1.看起來架構不難，但在實際把各節點接起來時踩了不少坑：JSON 格式地獄與轉義字元報錯在設定 HTTP Request 回傳 LINE 訊息時，直接把 AI 產生的多行文字包在 JSON Body 裡，結果頻繁跳出 Bad control character in string literal 的語法錯誤。後來發現不要硬寫純 JSON，改用 n8n 的 Using Fields 介面填值，或是用 JSON.stringify 轉譯，就能完美避開跳脫字元的問題。

2. LINE 的排版水土不服AI 預設很喜歡輸出 Markdown 語法（例如 粗體、### 標題、條列星號），但 LINE 手機版完全不吃 Markdown，文字直接裸奔變成一堆星號與井號。最後透過調整 System Prompt，嚴格禁止 Markdown，強制它改用【全形括號】與全形數字清單排版，手機閱讀體驗瞬間乾淨很多。
3. 排程分支的記憶衝突把平常對話的 AI Agent 整組複製給排程用時，直接跳出 Simple Memory 節點錯誤。因為排程觸發器根本沒有來自 LINE 使用者的對話 Session，硬掛記憶反而會讓工作流崩潰。把排程分支的 Memory 拔掉、Prompt 改為固定任務指令後，整個流程才順利打通。
4. 模型流量塞車（503 Error）初期選用較新的實驗版模型時，常撞到全球流量過載的 503 錯誤。後來切換成其他模型（如 gemini-2.0-flash），回應速度與穩定度都好上非常多。