🎧 Mood DJ｜讓 AI 成為我的廣播選歌搭檔

「下週的節目要播什麼歌？」

這大概是每個音樂廣播節目主持人都會遇到的問題。

我目前在學校電臺主持 DJ 音樂節目，每週都需要依照節目主題、季節氛圍或特定情境挑選歌曲。從尋找適合的音樂、確認歌名與歌手、安排歌曲順序，到思考每首歌要怎麼介紹，都是節目製作的一部分。

選歌其實不只是找到好聽的歌曲，更重要的是：這首歌為什麼適合這次的節目？又該如何向聽眾介紹？

因此，這次的 AI 小精靈實作，我決定從自己的廣播工作出發，打造一個真正能派上用場的工具。

它的名字叫做 Mood DJ！🎶

💡 從一個想法開始：如果 AI 能和我一起討論歌單？

我希望它不只是輸入一句話，就隨機推薦幾首歌曲的聊天機器人。

而是一位能理解節目情境的 AI 音樂企劃助手。

例如，只要在 LINE 傳送：

幫我推薦三首適合深夜廣播播放的華語歌曲，並附上 DJ 口播介紹。

Mood DJ 就能分析需求，推薦符合氛圍的歌曲，提供推薦理由，甚至產生可以在節目中使用的主持人口播靈感。

不需要打開複雜的管理系統，也不用另外下載 App，直接透過平常最熟悉的 LINE 就能使用。

但我也希望它不只是「會回答」，還要「有資料、有畫面、能互動」。

因此，在完成基本對話功能後，我又陸續加入了幾項功能。

✨ Mood DJ 現在可以做到什麼？

🎵 01｜聽懂情境，推薦符合主題的歌曲

使用者可以自由描述想要的歌曲類型，例如：

• 適合秋天傍晚播放的華語歌曲
• 週五下班後想聽的輕快音樂
• 深夜適合陪伴聽眾的療癒歌單
• 充滿青春回憶的校園主題歌曲

AI 會根據主題、情緒、語言、曲風與歌曲數量等條件進行推薦，而不是只能從固定選項中挑選。

🔎 02｜串接 iTunes API，讓推薦不只靠 AI 的記憶

這是我覺得很重要的一項功能。

在初期測試時，我發現 AI 雖然能推薦歌曲，卻偶爾會把歌名與演唱者配錯。

對廣播 DJ 來說，這可不是小事！如果在節目中介紹錯誤資訊，就失去原本使用工具提升效率的意義。

因此，我透過 n8n 的 HTTP Request Tool 串接 iTunes Search API，讓 AI Agent 可以主動查詢歌曲資料，核對歌曲名稱與歌手，並取得專輯封面及 Apple Music 收聽連結。

雖然仍需要人工確認，但比起完全仰賴 AI 記憶，已經多了一道資料查證機制。

🎙️ 03｜不只推薦歌曲，還能提供 DJ 口播靈感

每首推薦歌曲除了歌名與歌手，也會附上：

推薦理由： 為什麼這首歌曲符合節目主題？

DJ 口播靈感： 如果要在廣播中介紹這首歌，可以怎麼自然地帶入？

我特別在 AI Agent 的 System Prompt 裡設定廣播節目的使用情境，讓產生的內容更符合臺灣廣播主持人的口語風格，而不是制式的歌曲介紹文章。

📱 04｜用 LINE Flex Message 打造可以滑動的音樂卡片

一開始，AI 推薦的歌曲只是整段文字訊息。

但當一次推薦三首、五首，甚至更多歌曲時，文字容易變得很長，也不方便快速比較。

因此，我進一步研究 LINE Messaging API 的 Flex Message，把 AI 產生的資料轉換成 Carousel 輪播卡片。

現在每首歌曲都有自己的卡片，包含：

• 💿 專輯封面
• 🎵 歌曲名稱與歌手
• 💡 推薦理由
• 🎙️ DJ 口播靈感
• ▶️ Apple Music 收聽按鈕
• 🔄 更換歌曲的互動按鈕

使用者可以左右滑動查看推薦歌曲，也能直接點擊連結前往 Apple Music。

另外，我還加入了 LINE Loading Animation API，讓 AI 整理歌單時，聊天室會出現載入中的動態泡泡，讓等待回覆的過程更自然。

從純文字聊天到互動式音樂卡片，是這次專案最有成就感的一次升級！

🛠️ 從能回答，到真正能使用

這次開發也不是一開始就順利。

在製作 Flex Message 時，也發現純文字形式的 AI 回答不適合直接產生卡片，因此加入 Structured Output Parser，讓 AI 以固定欄位輸出歌曲資料，再交由 n8n 組合成 Flex Message。

這些過程讓我慢慢理解，AI 應用真正困難的地方，不只是模型能不能回答，而是不同系統之間的資料能不能正確傳遞、轉換與呈現。

每解決一個問題，Mood DJ 就更接近一個真正可以使用的產品。

🚀 這只是 Mood DJ 的第一個版本

目前已經可以透過 LINE 提出選歌需求，讓 AI 查詢歌曲資料，並以附有專輯封面與收聽連結的 Flex Message 卡片回覆。

接下來，我還希望讓它具備更完整的對話記憶、歌單收藏與管理功能。

例如，可以直接告訴它：

「第二首不太適合，換一首比較有節奏感的。」

或是：

「幫我把這三首存進下週的節目歌單。」

未來甚至可以與廣播節目的歌曲資料庫整合，讓推薦結果更符合實際的節目製作需求。

💭 這次最大的收穫

過去使用 AI，大多是在對話框裡向它提問、請它協助整理資料或產生文字。

但這次透過 n8n，我第一次更具體地把 AI、外部 API、自動化流程和 LINE 互動介面整合成一個能實際操作的工具。

也讓我發現：AI 不一定要做一件非常龐大的事情才有價值，它也可以從日常工作中一個很小、卻反覆出現的需求開始。

對我而言，Mood DJ 不只是這次課程的實作成果，更是一次嘗試：把原本用來輔助思考的 AI，變成真正參與廣播節目製作的搭檔。

也許有一天，我的節目播出的某首歌曲，背後就有 Mood DJ 一起參與選歌的過程！

🎧 Mood DJ — Your Music, Your Mood, Your AI DJ.