n
n8n AI Agent 工作流設計 LangChain 自動化架構

n8n AI Agent 工作流設計模式：5 種實戰架構解析

n8n AI Agent 不只是串 API 這麼簡單。這篇解析 5 種 AI Agent 工作流設計模式：單次問答、工具使用、多步推理、多代理協作、人機協作，附架構圖和範例。

N8NMarket 2026年4月6日 16 分鐘閱讀

AI Agent 這個詞聽起來很潮，但到底是什麼？

白話版：AI Agent 就是一個會自己決定要做什麼的 AI。你不用告訴它每一步要幹嘛，它會自己判斷、自己選工具、自己完成任務。

普通的 AI 呼叫是：你問一句、它答一句，就這樣。 AI Agent 是：你給它一個目標，它自己想辦法達成——搜資料、查資料庫、寄信、做計算，全部自己來。

n8n 從 2024 年開始整合 LangChain，讓你可以用拖拉的方式設計 AI Agent 工作流。這篇整理了 5 種實戰設計模式，每個都附架構圖和使用場景，讓你知道什麼時候該用哪種。

n8n 的 AI Agent 架構

在看 5 種模式之前，先搞清楚 n8n 裡面的 AI 節點長什麼樣子。

n8n 用 LangChain JavaScript 框架建了一套 AI 節點系統（來源：n8n LangChain 文件），分成三大類：

Root Nodes（主節點）

  • AI Agent：指揮官，決定要做什麼
  • Chain 節點：按順序執行的 AI 流程

Sub Nodes（子節點）

  • Chat Model：接哪個 AI 模型（OpenAI、Claude、Gemini…）
  • Memory：對話記憶（讓 AI 記得前面聊過什麼）
  • Tool：AI 可以使用的工具（搜尋、資料庫、計算…）
  • Output Parser：格式化 AI 的輸出

連接方式

子節點透過特定的連接類型（ai_languageModel、ai_memory、ai_tool）掛到主節點上。在 n8n 畫布上就是把線拉過去，直覺好懂。

模式一：單次問答（Conversational Agent）

難度：初級 | 適合剛開始玩 AI 的人

最簡單的模式。使用者問一句、AI 答一句，不呼叫任何外部工具。

架構

Chat Trigger / Webhook
    ↓
AI Agent（Conversational）
    ├── Chat Model: GPT-4o
    └── Memory: Window Buffer Memory

使用場景

  • 內部知識問答
  • 簡單的客服機器人
  • 文案發想助手

重點設定

n8n 的 Conversational Agent 適合這種場景。它把工具描述放在 System Prompt 裡，用 JSON 解析來做工具呼叫（來源：n8n Conversational Agent 文件）。

Memory 節點讓 AI 記得對話上下文。不加 Memory 的話，每次對話都是全新的——AI 完全不記得你剛才說了什麼。

限制

  • 只能用已知資訊回答，不能查外部資料
  • 沒辦法執行動作（不能寄信、不能改資料庫）

模式二：工具使用（Tools Agent）

難度：中級 | 最常用的模式

讓 AI 自己決定要用哪個工具。你給它一堆工具，它看情況選。

架構

Chat Trigger
    ↓
AI Agent（Tools Agent）
    ├── Chat Model: GPT-4o
    ├── Memory: Window Buffer Memory
    ├── Tool: HTTP Request（查 API）
    ├── Tool: Google Sheets（讀寫資料）
    └── Tool: Calculator（做計算）

使用場景

  • AI 助理：「幫我查今天台北天氣」→ AI 自己去呼叫天氣 API
  • 訂單查詢：「我的訂單 #12345 到哪了」→ AI 自己去查資料庫
  • 資料分析：「上個月營收多少」→ AI 自己去讀 Google Sheet 並計算

Tools Agent vs Conversational Agent

Tools Agent 用模型原生的 Function Calling 功能，更精確。如果你的 AI 模型支援 tool calling（GPT-4o、Claude、Gemini 都支援），優先用 Tools Agent（來源：n8n Tools Agent 文件）。

Conversational Agent 用 prompt-based 的方式模擬工具呼叫，比較彈性但可能不夠精確。

重點設定

每個 Tool 節點需要設定清楚的 Description，AI 靠這個判斷什麼時候用哪個工具。描述寫得好，AI 就會選對工具。

模式三：多步推理（Chain of Thought）

難度：中高級 | 處理複雜任務

有些任務不是一步就能完成的。例如「幫我研究某個市場趨勢」，AI 需要：搜尋 → 篩選 → 整理 → 摘要，分好幾步。

架構

Trigger
    ↓
AI Agent（Tools Agent）
    ├── Chat Model: GPT-4o
    ├── Tool: Web Search（搜資料）
    ├── Tool: HTTP Request（抓網頁內容）
    └── Tool: Code（資料處理）
    ↓
後處理（格式化、存檔）

使用場景

  • AI 研究員：給一個主題 → 搜尋多個來源 → 整理成報告
  • 競品分析：自動抓競品網站 → 比較功能 → 產出分析表
  • 內容策展：自動搜集產業新聞 → 篩選 → 產出每日摘要

重點

System Prompt 要引導 AI 「先想再做」：

你是一位研究助理。
在回答問題之前，請先制定一個計畫：
1. 你需要查什麼資料？
2. 你會用哪些工具？
3. 你會怎麼組織找到的資訊？
然後按照計畫一步步執行。

模式四：多代理協作（Multi-Agent）

難度：高級 | 複雜業務流程

一個 AI Agent 做不完的事，就讓多個 Agent 分工合作。

架構

Trigger
    ↓
Agent 1：研究員
    ├── Tool: Web Search
    └── 輸出：研究結果
    ↓
Agent 2：寫手
    ├── Tool: 無（純文字生成）
    └── 輸入：研究結果
    ↓
Agent 3：審稿編輯
    └── 輸出：最終版本

在 n8n 怎麼做？

用 Sub-workflow 把每個 Agent 包成獨立的工作流，主工作流負責串接和傳遞資料。

主工作流：
Trigger → Execute Sub-workflow（Agent 1）→ Execute Sub-workflow（Agent 2）→ Execute Sub-workflow（Agent 3）→ 輸出

使用場景

  • 內容產製流水線：研究 → 撰稿 → 審稿 → 發布
  • 客服升級：L1 Agent 處理簡單問題 → 複雜問題轉 L2 Agent → 最複雜的轉真人
  • 資料處理管線：擷取 Agent → 清洗 Agent → 分析 Agent

注意事項

  • 每個 Agent 的角色和權限要定義清楚
  • Agent 之間傳遞的資料格式要統一
  • 建議每個 Agent 用不同的 System Prompt，甚至不同的模型（簡單任務用便宜模型）

模式五：人機協作（Human-in-the-Loop）

難度：中級 | 最實用的模式之一

AI 先處理，人類審核確認，才真正執行。

架構

Trigger（客服訊息進來）
    ↓
AI Agent（產生回覆草稿）
    ↓
Wait 節點（暫停，等人類確認）
    ↓
人類審核（Email / Slack / 自訂介面）
    ├── 核准 → 發送回覆
    └── 修改 → 人工修改後發送

n8n 怎麼做到的？

n8n 可以在工作流的任何節點前面加上人工審核步驟。用 Wait 節點暫停工作流，等收到人類的回應才繼續（來源：n8n AI 官方頁面）。

具體做法：

  1. AI Agent 產生回覆後，用 Slack 或 Email 節點把草稿發給審核者
  2. 審核者在 Slack 按按鈕或回覆 Email
  3. n8n Wait 節點收到回應後繼續執行
  4. 根據回應結果決定是直接發送還是修改

使用場景

  • 客服回覆：AI 擬稿 → 主管確認 → 才發出去
  • 合約審查：AI 標記風險條款 → 法務確認 → 才通知對方
  • 社群貼文：AI 生成內容 → 行銷確認 → 才排程發布

為什麼這個模式這麼重要？

因為 AI 會出錯。尤其在客服、法務、財務這些高風險場景，讓 AI 做初步處理、人類做最後把關，是目前最務實的做法。

選擇哪種模式？決策指南

不知道該用哪種？看這個：

你的需求建議模式
簡單問答 / 聊天機器人模式一：單次問答
AI 需要查資料或執行動作模式二：工具使用
複雜任務、需要多步驟模式三：多步推理
多個 AI 分工合作模式四：多代理協作
AI 處理但人類需要審核模式五：人機協作

實測建議：大部分場景用模式二（Tools Agent）就夠了。先從這個開始，複雜了再升級。

而且這些模式可以混用。例如：Tools Agent（模式二）+ Human-in-the-Loop（模式五）是非常常見的組合。

下一步

了解了 5 種設計模式，接下來可以動手：

本週限量包有 5 種模式的完整工作流模板 >> n8nstart.cc/weekly

常見問題 FAQ

AI Agent 會不會亂用工具？

會。所以工具的 Description 要寫清楚，限制 AI 的使用條件。例如刪除資料的工具，Description 加上「只在使用者明確要求刪除時才使用」。另外，模式五的 Human-in-the-Loop 就是為了防止這個問題。

哪個 AI 模型做 Agent 比較好？

GPT-4o 和 Claude 都很適合做 Agent，因為它們的 tool calling 功能比較成熟。簡單任務用 GPT-4o-mini 就夠了，複雜推理用 Claude Sonnet 或 GPT-4o。

Memory 一定要加嗎？

看場景。一次性任務（例如處理一封信）不需要 Memory。多輪對話（例如客服聊天）一定要加，不然 AI 每句話都忘記前面說了什麼。

多代理模式會不會很慢？

會比單一 Agent 慢，因為要等每個 Agent 跑完。但如果任務本來就複雜，拆成多個 Agent 反而比一個 Agent 硬做效果更好。速度和品質的取捨。