這次最大的收穫是理解「能跑」和「能用」之間的差距。把 n8n 的 Webhook、Gemini 和 LINE Messaging API 串起來，第一版 workflow 很快就通了，但實際用手機傳訊息，才發現回覆根本不能看。

第一個問題是 HTTP Request 回傳 LINE 時出現「JSON Body is not valid JSON」。原因是 AI 的回覆含有換行和雙引號，直接用字串模板塞進 JSON 會讓格式壞掉。解法是改用 JSON.stringify 組 body，讓跳脫字元由程式處理，而不是自己手動拼字串。

第二個問題是 LINE 不渲染 Markdown 和 LaTeX。Gemini 習慣輸出 **粗體**、### 標題和 $...$ 公式，在 LINE 裡全部變成原始符號，讀起來很吃力。我從兩端處理：在 System message 明確規定禁用標記符號、公式寫成純文字、長度控制在 500 字內；再加一個 Code node 清除殘留符號並限制字數，避免超過 LINE 單則 5000 字的上限。這讓我體會到，Prompt 只能降低出錯機率，要穩定還是需要程式端的保險。

第三個收穫是平台流程的變動。LINE 現在要先建官方帳號再啟用 Messaging API，跟網路上許多舊教學不同。遇到這種情況，直接看畫面上實際的選項比照著舊文章走更可靠。

最後，這個 bot 讓我可以在實驗現場用手機直接貼吸光值數據請它分析。以 ABDA 降解實驗為例，它能指出 Q4 的負值可能來自 baseline 校正問題，並建議用 426 nm 扣除 light scattering 背景，最後還會反問各組的實驗條件。這些建議仍需要我自己判斷，但作為快速檢查數據的第一道工具已經很實用。

後續想串 Google Sheets 自動記錄每次的實驗參數與分析結果，並改進 System message，讓它更熟悉我的 gelatin microbead 與 SDT 實驗脈絡。