跳至主要內容

里程碑

小助手 Seven：英文對話 x 名詞查詢 x 科技日報 x AI 更新通知

17 @yichi0053發布於

需求

常常在滑 IG, Threads, Youtube 時，看到一大堆新的 AI 技術概念、新的爆紅 github 專案、新的 AI 模型更新，很好奇但都會先收藏想說晚點看，就再也沒看過，追根究底我覺得是因為要了解這些概念的時間成本太高，不確定自己到底要不要投入這個時間去了解，因此會沒有動力去做。

如果我能直接將當下看到的詞或是連結丟給小助手，請他馬上整理重點，我就能夠即時判斷到底有沒有興趣、有沒有深入了解的必要！

另外因為最近正在練習英文的緣故，雖然已經有固定的閱讀及聽力的資源可以練習，但好像還缺少一個主動輸出英文的環境，我想就是一個能夠陪我聊天的外國朋友吧！

綜上所述，我做了一個 n8n x LINE 小幫手，Seven。

（後來覺得好像可以順便做新聞整理的功能，追蹤科技趨勢以及我在使用的 AI 的更新狀況，不然我都狀況外）

需求

  1. 全英文聊天對話
  2. 馬上了解而不是「稍後再看」
  3. 科技日報
  4. 追蹤 AI 更新新聞

架構

我總共建立了四個工作流，各自負責的主要功能如下：

  1. WF-Main：英文對話 / 接收輸入並分派工作流
  2. WF-Term：整理輸入名詞的重點
  3. WF-Diary：科技日報
  4. WF-Watch：追蹤 AI 更新新聞

圖一｜專案架構圖

當我在 LINE 輸入訊息時，會由 WF-Main 接收，並分給對應的工作流執行功能：

  • 輸入Hi / 一段英文 -> Seven 跟我全英文聊天
  • 輸入 Term <名詞>/<Github 網址> -> Seven 整理重點
  • 輸入 Diary -> Seven 整理 AI / 資安 各一篇新聞給我，以及新聞中的重要名詞補充
  • 每兩個小時檢查 Claude, ChatGPT, Gemini 有無重大更新

各工作流詳細說明有點長，所以丟到文末 -> 參閱「各工作流詳細運作」（或直接看示意圖就好）

工具列表：

  1. 自動化工具：docker 建置本地 n8n
  2. 靜態網域：ngrok
  3. LLM：Anthropic API (sonnet5, haiku5.5)
  4. 資料庫：Google Sheets（需申請 Service Account）
  5. LINE 官方帳號：message api channel

心得

成功做出一個 LINE 小夥伴超有成就感，雖然功能都蠻簡單，但是實際建置一個機器人，好像真人一樣在跟你聊天，真的會提升使用的動力，也減小完成我的實際需求（講英文、待看清單）的阻力，過程中也是遇到一大堆問題，好在有許多教學影片、文章、能夠參考學習，感謝這些大神！

而最大的收穫我覺得是有去仔細思考生活中實際需求的過程，有幸生在有 AI Agent 的年代，實作的技術障礙已經降低許多，因此最重要的就是想清楚「想解決的問題＋如何解決的流程」，透過 n8n 這個工具，能夠把每個節點都畫出來、想清楚，也是在訓練架構思維的能力。

（題外話，會叫 Seven 是因為有時候會被叫小奇，小奇...小七，欸那就叫 Seven 吧！）

各工作流詳細運作

WF-Main

接收 LINE 訊息、判斷輸入是以下哪種情況，接著分派給對應的工作流程：

  1. Hi：Seven 開始英文對話
  2. 英文：Seven 以這段話為話題聊天
  3. End：
    • 有進行中對話 -> 收尾對話並給出回饋
    • 無進行中對話 -> No active conversation.
    • Seven 開話題我沒有回直接End -> No sentences to review.
  4. Diary：呼叫 WF-Diary
  5. Term + 內容：
    • 呼叫WF-Term
    • 只輸入 Term -> 回覆（應輸入） Term + term / Github url
  6. 中文、中英混合、純數字或表情等情況 -> 回覆 ...

圖二｜WF-Main 架構圖

結束英文對話後給出回饋，範例如下：

程式碼
【Feedback】
----------------------------------
[word_choice]
1. I ditched it
discard 用在這裡太正式、偏書面語，口語通常用 ditch 或 threw it away 更自然。

2. I meant to say
想表達「我原本想打」用 I meant to say 比較自然，I'm bout to say 意思是「我正要說」，語意不符。
----------------------------------
[grammar]
1. on the way
表示「在路上」要用介系詞 on the way，而不是 in the way（in the way 另有「擋路」的意思）。

圖六｜英文對話示意圖

WF-Term

WF-Main 呼叫後，整理輸入名詞或 Github 連結中 README 的重點，查不到該名詞相關資訊則回傳 Not found: <內容>

圖三｜WF-Term 架構圖

範例如下：

程式碼
【Term】 Large Language Model (LLM)
----------------------------------
[What]
LLM 是以大規模文字資料訓練的深度學習模型，能理解與生成自然語言，並可執行翻譯、摘要、問答與程式撰寫等多種任務。

[Problem]
傳統自然語言處理方法通常需要為每項任務分別設計規則或訓練專用模型，成本高且泛化能力有限。LLM 透過單一模型與大量預訓練知識，讓多種語言任務能以統一方式處理。

[Importance]
 - 以 Transformer 架構與自監督學習（self-supervised learning）為基礎，使模型能從海量文本中學習語言結構與世界知識。
 - 透過 prompting 或 in-context learning，可在不重新訓練的情況下完成新任務，大幅降低應用門檻。
 - 已成為聊天助理、程式輔助、搜尋與企業自動化等應用的核心技術，深刻影響產業發展與研究方向。
 - 同時帶來 hallucination、偏見、安全與算力成本等挑戰，也推動了 alignment 與 evaluation 等研究的快速發展。
WF-Diary

WF-Main 呼叫後，從資料來源搜尋並整理 資安 及 AI 領域的各一篇新聞重點：

  • 有新聞 -> 送出新聞重點及新聞中的重點概念補充
  • 無新聞
    1. 某一領域沒新聞 -> No news regarding 【IS】/【AI】
    2. 兩個領域都沒有 -> Nothing interesting lately.

資料來源

  • 資安：The Hacker News, BleepingComputer, The Record, SecurityWeek, Help Net Security
  • AI：Simon Willison, Hugging Face, TechCrunch AI, MIT Technology Review AI

圖四｜WF-Diary 架構圖

【IS】新聞範例如下：

程式碼
Diary 2026-10-19

【IS】 Ledger 錢包遭發現隱藏植入程式，關聯 9,300 萬美元竊案，同週另有 1,500 多個 npm 套件曝光
----------------------------------
[Mechanism]
本週資安週報揭露 Ledger 硬體錢包遭植入隱藏程式（implant）的安全漏洞，攻擊者可藉此竊取使用者加密資產，相關竊案金額達 9,300 萬美元。報導同時指出 AWS 開源 Strands Box，以作業系統隔離搭配規則機制來限制 AI agent 的行為。

[Importance]
 - 相關竊案金額達 9,300 萬美元，屬於已造成實際損失的攻擊事件，影響加密資產持有者。
 - 1,500 多個 npm 套件曝光顯示開源供應鏈攻擊範圍廣泛，開發者與下游應用都可能受波及。
 - AWS Strands Box 結合作業系統隔離與行為規則，直接對應 AI agent 的執行權限控管，與 AI 應用安全高度相關。
----------------------------------
https://www.helpnetsecurity.com/2026/10/18/week-in-review-hidden-implant-in-ledger-wallets-linked-to-93m-theft-1500-npm-packages-exposed

【AI】新聞範例如下：

程式碼
Diary 2026-10-19

【AI】 Meta 移除引發爬取與 AI 訓練疑慮的條款，使用者資料使用範圍再度受到關注
----------------------------------
[Description]
Meta 更新服務條款，移除原本引發網路爬取與 AI 訓練疑慮的用語。發言人強調，此次更新並未改變 Meta 爬取網路內容的方式。

[Importance]
 - Meta 旗下擁有數十億使用者，其條款變動會直接影響大量公開內容與個人資料的使用範圍。
 - AI 模型訓練資料來源的合法性與透明度是當前治理焦點，此事件凸顯條款文字與實際爬取行為之間可能存在的落差。
 - 對資管與 AI 應用安全從業者而言，這提醒需持續審視第三方服務條款與資料授權條件，以評估供應鏈與資料隱私風險。
----------------------------------
https://techcrunch.com/2026/10/17/meta-removes-language-that-raised-scraping-and-ai-training-concerns

新聞中的重要概念整理範例如下：

程式碼
【Term】 sandbox（沙箱）
----------------------------------
[Definition]
沙箱是一種隔離執行環境，讓程式在受限的資源與權限內運作，避免影響宿主系統。

[Description]
AI agent 會呼叫工具並執行指令，若缺乏沙箱隔離，一旦被提示注入或誤判，可能造成檔案外洩或系統被破壞。AWS Strands Box 即是以作業系統層級隔離搭配行為規則來實現這類防護。

===================
【Term】 web scraping（網路爬取）
----------------------------------
[Definition]
網路爬取是指利用自動化程式從網站擷取網頁內容或結構化資料的技術。

[Description]
AI 公司常透過爬蟲大規模收集網路文本作為訓練資料，因此爬取範圍與授權條件直接關係到隱私保護與著作權問題。網站可透過 robots.txt 等機制表達爬取限制，但這些機制並非強制性的法律約束。
WF-Watch

每兩小時查詢一次 Claude, ChatGPT, Gemini 的官方公告，只通知重大更新。

資料來源

  • Claude：GitHub release feed
  • OpenAI：OpenAI News, OpenAI Release Notes
  • Gemini：Google DeepMind blog

圖五｜WF-Watch 架構圖

範例如下：

程式碼
Claude Code updates
v2.1.302

 - CLAUDE_CODE_AUTO_MODE_MODEL 新增環境變數，可指定客戶端 auto mode 分類器使用的模型（不影響伺服器端 auto mode）
 - /config 新增 Idle compaction 選項，可關閉或重新開啟閒置時的自動壓縮
 - /design-sync 與 /design-login 新增通知：獨立版 Claude Design（claude.ai/design）將於 2026 年 12 月 14 日前關閉
 - Read 工具不再將任意大小的圖片整個載入記憶體，超過 128 MB 的圖片來源將被拒絕讀取
 - 修正切換至 Vertex 或 Bedrock 後請求因 "Extra inputs are not permitted" 失敗的問題

[https://github.com/anthropics/claude-code/releases/tag/v2.1.302](https://github.com/anthropics/claude-code/releases/tag/v2.1.302)

圖一｜專案架構圖
圖二｜WF-Main 架構圖
圖三｜WF-Term 架構圖
圖四｜WF-Diary 架構圖
圖五｜WF-Watch 架構圖
圖六｜英文對話示意圖
圖七｜Term 重點整理示意圖
圖八｜Diary 科技日報示意圖

1 個愛心0 則留言

登入並驗證手機後就能留言。登入