一、專案簡介
專案核心目的
把日常散落、靜靜躺在 Spotify 裡的聆聽足跡，透過自動化程式在每週定時打包，透過 AI 進行智慧整理與溫暖排版，最後自動推送到你的 LINE，為忙碌的生活增添一份專屬的音樂儀式感。

專案運作架構
整個自動化流程串接了 4 個核心節點：
Schedule Trigger（定時觸發節點）
功能：設定固定頻率（例如每週固定時間），自動喚醒整個工作流程。

Spotify 節點
動作：使用 Get the recently played tracks，自動抓取你近期聆聽的歌曲清單與熱門程度（Popularity）。

AI Agent + OpenAI Chat Model
功能：接收 Spotify 的歌曲資料後，AI 會扮演你的專屬音樂編輯：
數據統計：整理出本週熱門歌曲 Top 幾、統計常聽的歌手與出現次數。
版面排版：將枯燥的資料排版成乾淨、適合直接複製或推送到 LINE 的精美格式。
情感賦能：根據這禮拜的曲風或氛圍（如輕快舞曲、抒情 OST 等），在結尾量身寫下一句溫暖、文青的心情語錄。

Line Messaging 節點
功能：將 AI 整理好的完美週報內容，透過 LINE Messaging API 自動發送到你的個人帳號中。

💡 專案亮點特色
零手動負擔：完全不用自己開 App 統計或截圖，時間到了自動送到手邊。
有溫度的數位回顧：不只冷冰冰地列出歌名和排行榜，還透過 AI 的文青語錄幫疲憊的一週做溫柔的收尾。
高擴充性：未來還可以隨時擴充，像是自動把本週聽的歌存成新的 Spotify 播放清單，或是根據不同心情分類推薦。

二.困難的點

1. Spotify 節點的資料邏輯設定

困難點：一開始容易誤用成「取得單一歌曲（Get Track）」，導致永遠只抓到同一首固定的歌。

突破點：必須切換思維，將 Resource 改成 Player、Operation 改成 Get the recently played tracks，才能動態抓取你這禮拜真實的聆聽足跡。

2. AI Agent 如何正確讀取清單資料

困難點：Spotify 輸出的資料是包含多個項目的陣列（Array），如果直接讓 AI 讀取，很容易出現 [object Object] 導致 AI 霧煞煞，不知道怎麼統計和分析。

突破點：學會透過表達式（例如 JSON.stringify(...)）把前面節點的整批清單完整打包傳給 AI，AI 才能順利解析、統計並寫出文青語錄。

3. LINE API 的格式與欄位對應（最容易踩雷的地方）

這也是我們花最多時間除錯的部分，包含三個小陷阱：
1.變數格式錯誤：Text 欄位裡不能隨便亂塞帶有 {} 的雜訊文字，否則 n8n 的語法解析會報錯。
2.欄位漏填：一開始忘記把 AI 的輸出（{{ $json.output }}）放進 LINE 的訊息欄位裡，導致 LINE 回報「內容不能為空」。
3.LINE User ID 格式：最隱蔽的坑！LINE 對發送對象的驗證非常嚴格，不能填一般的帳號或短數字，必須是一串以大寫 U 開頭的長亂碼，否則 LINE 伺服器會直接拒絕請求。