實作內容
我使用 n8n 建立自動化工作流程，將 LINE 訊息、AI Agent 和 LINE Messaging API 串接起來。
使用者只需要在 LINE 傳送訊息，系統就會分析輸入內容，根據不同情況產生回覆。
主要功能包括：

1. 辨識使用者輸入的英文單字與片語，並計算數量。
2. 辨識可能的拼字錯誤，提供修正後的單字。
3. 根據單字生成英文短文，並附上中文翻譯。
4. 當使用者沒有提供單字時，透過 AI 引導使用者選擇學習主題。

系統架構 (n8n Workflow)
LINE Webhook → AI Agent 1 → Edit Fields → Switch → AI Agent 2 → HTTP Request → LINE

• Switch分流邏輯

PASS： 單字數量為 1～5 個，進入文章生成流程。
FAIL： 超過五個單字，請使用者重新選擇。
EMPTY： 沒有可辨識的單字，進入學習引導流程。

• AI Agent 指令設計

AI agent1:分析使用者輸入的英文單字或片語，修正可能的拼字錯誤，統計單字數量，並根據結果回傳 PASS、FAIL 或 EMPTY。輸出必須符合指定的 JSON 結構。

• JSON 輸出範例 (for AI Agent1):

{
  "word": [
    "apple",
    "delicious",
    "orange"
  ],
  "count": 3,
  "status": "PASS",
  "correction": [
    "delisious -> delicious"
  ]
}

欄位說明：

1. word：辨識與修正後的單字陣列
2. count：單字或片語數量
3. status：決定後續流程的狀態
4. correction：拼字修正紀錄

遇到的問題

1. JSON 格式錯誤:

在設定 HTTP Request 時，我曾遇到 JSON 格式不正確、字串處理與資料引用的問題。透過檢查節點輸出與 Expression，逐步找出錯誤並修正。

2. AI 無法理解上下文:

當 Wordie 推薦五個單字後，使用者回覆「那就這些單字吧」，AI Agent 1 卻無法辨識使用者是在接受前一次的推薦。原因是初版分類 Agent 沒有取得先前的對話內容。這讓我有一些感想，成功執行 Workflow，不代表系統已經具備良好的對話體驗。

3. 架構複雜度:

初版使用多個 AI Agent 搭配 Switch 進行分流，雖然能完成明確的分類任務，但在自然對話情境下，需要額外處理上下文共享。我似乎將workflow設計得太複雜了，因此，我開始評估是否能使用單一 AI Agent 搭配 Memory，簡化系統架構並改善對話連貫性。
未來期望

1. 測試單一 AI Agent 搭配 Memory 的架構。
2. 改善多輪對話的上下文理解能力。
3. 優化 LINE 訊息的輸出格式。
4. 比較不同 Workflow 架構的穩定性與使用體驗。