AI Agent 框架入門：n8n、Make、Claude 不會寫程式也能搭出自動化

想做一個能幫你自動回信、整理訂單、寫摘要的 AI Agent，卻一看到「框架」「API」就卻步？這篇是給「不會寫程式、但想動手」的你：用 n8n、Make、Claude 三個最主流的工具，搞懂它們各自擅長什麼、怎麼選、怎麼搭出第一個能跑的流程。讀完你會具備一個判斷力——看到任何自動化需求，立刻知道該用哪個框架開工，而不是繼續收藏一堆教學卻沒動手。本文適合中小企業老闆、行銷／營運人員、想升級的小編，以及任何被重複工作綁住的人。

為什麼需要 AI Agent 框架？

很多人對 AI Agent 的想像，是直接打開 ChatGPT 對話。但對話框有三個致命限制：它不會自己被觸發（你不開它就不動）、碰不到你的工具（讀不到你的 Gmail、改不了你的 Google Sheets）、記不住流程（每次都要重講一遍）。

AI Agent 框架要解決的，正是這三件事。框架負責「手腳」：什麼時候啟動、去哪裡拿資料、把結果送到哪；AI 模型負責「大腦」：理解、判斷、生成。沒有框架，AI 只是個很聰明但被關在房間裡的人；有了框架，它才能真正去做事。

如果你還不確定 Agent 和一般 AI 的差別，建議先讀 AI Agent 是什麼？從零開始的入門指南，再回來看怎麼動手搭。而在動手前先把任務拆成清楚的步驟，是成功率最高的起手式，這部分可參考 AI 工作流程設計。

核心概念：骨架、大腦、神經

打造一個 AI Agent，本質上是組三種零件。我用人體來比喻：

關鍵觀念：你很少只用一個工具。最強的組合往往是「n8n／Make 當骨架 + Claude 當大腦」。骨架工具不擅長推理，但很會串東西；Claude 很會推理，但不會自己被定時觸發。把它們接起來，就是一個完整的 Agent。

至於「神經」這層，現在有了 MCP 這個開放協定，能讓 Claude 用標準方式連上你的各種工具，大幅降低串接成本。而 Claude 之所以能「自己決定要呼叫哪個工具」，靠的是 Function Calling（工具呼叫） 這個底層機制——理解它，你才會知道為什麼有時候要把工具描述寫清楚、AI 才挑得對。

三大框架快速定位

• Make（前身 Integromat）：拖拉式介面最直覺，模板多，5 分鐘能跑出第一條流程。適合純串接 SaaS、不想碰任何程式的人。想深入它的操作邏輯，見 Make 自動化實戰教學。
• n8n：同樣是視覺化拖拉，但能自架（資料在你手上）、能寫少量 JavaScript 做進階處理、節點按執行次數而非操作數計費，量大時成本最低。適合想長期規模化、在意資料主權的團隊。
• Claude：它本身就是 Agent 的大腦。當任務核心是「讀懂、判斷、寫出來」——客服回覆、合約摘要、報告生成——Claude 是主角，n8n／Make 只是把它接上資料的管線。想把 Claude 變成真正會做事的開發夥伴，可參考 部署 Claude Code 的實作。

如果你連「要不要寫程式」這關都還在猶豫，不用寫程式也能做 AI Agent 這篇會幫你卸下心理門檻——絕大多數中小企業的需求，視覺化工具都能涵蓋。

選型對照表：一張表看懂該用哪個

光講「各有擅長」太抽象。把三大框架攤開比，你會更快做決定：

讀法很簡單：橫向找你最在意的那一列，縱向就知道誰勝出。在意「最快上手」選 Make；在意「資料主權與長期成本」選 n8n；任務核心是「動腦」就一定有 Claude。三者並非互斥，最常見的反而是組合使用。Zapier 沒列在主欄，是因為它定位介於 Make 與 n8n 之間、生態最廣但彈性中等，完整三方比較見 n8n、Make、Zapier 平台比較。

實際教學

我們用一個真實場景貫穿：「每天自動把客戶來信分類、產生建議回覆草稿、丟到 Slack 給專人確認」。跟著做完，你就有一個能跑的 Agent。

Step 1：釐清要自動化的任務

別一開始就想做「全自動客服機器人」。先選一個每週重複、規則清楚、出錯成本低的任務。把它寫成一句話：

「每天 09:00，讀取客服信箱新郵件 → 判斷類型（詢價／客訴／一般）→ 產生回覆草稿 → 發到 Slack。」

能用一句話講清楚輸入與輸出，這個任務就適合當第一個 Agent。把這句話再拆成「觸發 → 取資料 → 判斷 → 動作」的節點順序，就是 AI 工作流程設計 在做的事，先拆好再拉節點，會少走很多冤枉路。

Step 2：選對框架（用三個問題）

不要糾結，回答三題即可：

1. 要不要會推理、生成內容？ 要 → 一定會用到 Claude（或 GPT）。
2. 要不要串很多外部工具、定時跑？ 要 → 用 n8n 或 Make 當骨架。
3. 在意資料留在自己手上、未來量會很大嗎？ 在意 → 選 n8n（可自架）；不在意、求最快上手 → 選 Make。

我們的範例需要推理（產生草稿）+ 串接（信箱、Slack）+ 定時，所以選 n8n + Claude。

Step 3：註冊與建立第一條流程

到 n8n 註冊雲端版（或用 Docker 自架）。新建 Workflow，加入第一個節點：

• Trigger 節點：選 Schedule，設定每天 09:00 執行。
• Gmail 節點：動作選「Get Many Messages」，篩選「未讀」。

到這裡先存檔、手動執行一次，確認能成功抓到信件。每加一個節點就測一次，是不會寫程式也能除錯的核心心法。

Step 4：接上 AI 與外部工具

加入 AI 節點（n8n 內建 Anthropic／Claude 節點），把上一步抓到的信件內文，用變數帶進 Prompt。Prompt 要明確指定「分類規則」與「輸出格式」（下一段給完整範例）。

接著加 Slack 節點，把 Claude 回傳的分類與草稿，發到指定頻道。記得把 API 金鑰存進 n8n 的 Credentials（憑證管理），不要把金鑰直接寫在節點裡。

Step 5：測試、上線並監控

用三、五封真實信件跑過一輪，檢查分類是否正確、草稿語氣是否合適。沒問題後讓 Schedule 接管自動執行。最後務必加一個 Error Trigger 節點：流程一失敗就發通知給你。沒有監控的自動化，是定時炸彈。

想看更多現成的流程設計，可逛 Workflow 知識庫，直接借用結構再改。

範例：Prompt 與 Workflow

這是 Step 4 裡那顆「大腦」的 Prompt，你可以直接複製到 Claude 節點裡使用：

你是一位客服信件分類助理。請閱讀以下客戶來信，完成兩件事：

1. 將信件分類為以下其中一種：詢價、客訴、一般詢問
2. 撰寫一則「繁體中文、台灣口語、禮貌專業」的回覆草稿（80 字內）

【判斷規則】
- 提到價格、報價、方案 → 詢價
- 表達不滿、要求退款、產品問題 → 客訴
- 其他 → 一般詢問

【輸出格式】嚴格用以下 JSON，不要多加說明文字：
{
  "category": "詢價/客訴/一般詢問",
  "urgency": "高/中/低",
  "draft_reply": "回覆草稿內容"
}

【客戶來信】
{{ $json.email_body }}

重點在於：指定角色、明確規則、限定輸出格式（JSON 方便後續節點解析）。想讓 AI 不只回文字、還能直接「動手呼叫工具」（例如自己去查訂單），就要搭配 Function Calling 的設計思維，把工具描述寫得讓 AI 一看就懂該怎麼用。

文字版 Workflow 流程圖：

每天 09:00 Schedule 觸發
        ↓
Gmail：抓取未讀客服信件
        ↓
迴圈逐封處理
        ↓
Claude 節點：分類 + 產生回覆草稿（輸出 JSON）
        ↓
解析 JSON：取出 category 與 draft_reply
        ↓
Slack：發到 #客服待確認 頻道（附草稿與緊急度）
        ↓
專人按需編修後送出 → 標記信件已讀
        ↓
（若任何節點失敗）Error Trigger → 發 LINE Notify 通知負責人

注意流程裡刻意保留了「專人確認」這一關。第一個 Agent 不要做全自動，讓人留在迴圈裡（Human-in-the-loop），既安全又能累積信任。等準確率穩定，再逐步放手。

常見錯誤

• 一開始就想做全自動、跨多部門的大系統。 90% 會卡死在串接細節。先做單一任務、單一流程跑通。
• Prompt 沒限定輸出格式。 Claude 回了一段散文，後面的節點沒辦法解析。一定要指定 JSON 或固定欄位。
• 金鑰寫死在節點或 Prompt 裡。 不只有外洩風險，換金鑰時還得整條流程改。一律放憑證管理。
• 沒有錯誤通知。 流程半夜壞掉，三天後才發現客戶都沒回。Error Trigger 是必備，不是加分。
• 用框架硬做 RPA 的事。 如果任務只是固定點按、沒有判斷，未必需要 AI——先把流程畫清楚，見 AI 工作流程設計 再決定要不要動用 AI。

最佳實務

• 骨架與大腦分工：n8n／Make 負責串接與排程，Claude 負責推理生成，別讓任一方做不擅長的事。
• 每加一個節點就測一次：不會寫程式也能穩定除錯的關鍵，問題範圍永遠縮到最小。
• Human-in-the-loop 起步：高風險動作（回信、付款、發文）先讓人確認，準確率達標再自動化。
• 版本化你的 Prompt：把 Prompt 當程式碼管理，每次調整都記錄，方便回溯與 A／B 測試。可善用 Prompt 產生器 加速迭代。
• 先免費版驗證、再升級：用 Make 免費額度或自架 n8n 把流程跑通，確認有價值再付費擴量。
• 多 Agent 分工處理複雜任務：當一條流程要做太多事，拆成多個各司其職的 Agent，參考 多 Agent 協作。

進階：更深入的一層

跑通第一條流程後，多數人會撞到同一面牆——「規則型分類」開始不夠用了。客戶的信越來越多樣，硬塞 if-else 規則只會讓 Prompt 越寫越長、越來越脆弱。這一節談三件讓你的 Agent 從「能跑」進化到「耐用」的事。

第一，把判斷交還給模型，把規則留給防呆。 與其在 Prompt 裡列 20 條分類規則，不如只給 Claude 5 個清楚的「類別定義與範例」，讓它用語意理解去歸類，規則只用來處理少數「絕對不能錯」的紅線（例如出現「律師」「消保官」就一律標記為高緊急度、跳過自動回覆）。這就是 AI Agent 勝過傳統 RPA 的本質：RPA 照腳本動，Agent 照理解動。

第二，讓 Agent 會「自己取資料」，而不是你餵什麼它吃什麼。 進階做法是給 Claude 接上工具（查訂單 API、查物流狀態），讓它在回覆「我的包裹到哪了」時，自己決定去呼叫查詢工具、帶入訂單編號、再把結果寫進草稿。這正是 Function Calling 與 MCP 發揮價值的地方——前者是「決定呼叫什麼」的能力，後者是「用標準方式接上一堆工具」的協定。兩者搭起來，你的 Agent 才算真正長出手腳。

第三，複雜任務不要塞進一個巨型 Prompt，拆成多 Agent。 當一條流程同時要分類、查單、寫回覆、還要生月報，硬塞一顆大腦只會互相干擾、難以除錯。正確做法是拆成「分類 Agent」「查詢 Agent」「撰寫 Agent」各司其職、互相傳遞結果，這套設計法見 多 Agent 協作。

進階能力對照，幫你判斷現在該不該往上走：

不必一步到位。多數團隊在「語意型」就能解決八成需求，等到真的撞牆，再往工具型、協作型升級。

實際案例：台中一家電商如何把客服工時砍掉七成

某台中經營保健食品的電商團隊（5 人），每天約收到 120 封客戶來信，過去由 2 名客服人員手動分類、查訂單、逐封回覆。

導入前：

• 每封信平均處理 8 分鐘，120 封需約 16 人工時／天。
• 尖峰期（促銷檔期）回覆延遲常超過 6 小時，客訴二次升高。
• 新進客服需 2 週才熟悉回覆話術。

他們用 n8n + Claude 搭了上文那條流程：Claude 先分類並產出草稿、發到 Slack，客服只需審閱與微調後送出；高頻問題（出貨時間、退換貨）的草稿準確率穩定後改為自動回覆。

導入後：

• 單封處理時間從 8 分鐘 → 約 1.5 分鐘，每天客服工時從 16 → 約 4.5 人工時，省下約 72%。
• 平均首次回覆時間從 6 小時 → 15 分鐘內。
• 新人靠 AI 草稿輔助，上手期從 2 週縮短到 3 天。
• 整套建置由一位行銷人員自學完成，沒有寫一行後端程式，每月平台成本約新台幣 900 元。

關鍵不是工具多厲害，而是他們從一個小任務開始、保留人工確認、跑穩才擴大。

第二個情境：台南設計工作室的「報價單自動生成」

再看一個不一樣的場景，證明這套打法可複製。台南一家 4 人接案設計工作室，過去業主在表單填需求後，主理人要手動換算工時、套報價級距、再開 Google 文件貼上去，每張報價單約 40 分鐘，一週 10 張就吃掉大半天。

他們用 Make + Claude 搭了一條流程：表單送出觸發 → Claude 讀需求並依事先給的「服務項目與級距表」算出建議報價與工時 → 自動帶入 Google 文件範本 → 寄草稿給主理人確認。

• 單張報價從 40 分鐘 → 約 6 分鐘（含人工確認）。
• 報價遺漏項目的失誤明顯下降，因為 Claude 會逐項對照清單。
• 因為量不大（每月約 40 次），用 Make 免費到入門方案就夠，每月成本不到新台幣 500 元。

兩個案例的共通點很清楚：先把一個流程拆乾淨（AI 工作流程設計）、用免費版驗證、保留人工確認、跑穩再擴大。工具是 n8n 還是 Make 反而是次要決定。

註：本文涉及的客服、營運與報價成本數據為情境化示意，實際效益依產業、信件與案件複雜度、導入方式而異，不構成任何經營或投資建議。

結論

打造 AI Agent 不再是工程師的專利。記住一句話：用 n8n／Make 當骨架、Claude 當大腦，從一個小任務動手做。選工具時只問三題——要不要推理、要不要串接、在不在意資料主權——答案自然浮現。當規則型分類撞牆，再依序往語意型、工具型、協作型升級，不必一步到位。

最重要的是別再只收藏教學。今天就照三步走：先用 AI 工作流程設計 把一個每週重複的任務拆乾淨，再依 不用寫程式也能做 AI Agent 選定平台動手拉節點，最後逛 Workflow 知識庫 借一個現成結構改成你的版本。把第一條流程跑起來，比讀完十篇教學都有用。

❓ 常見問題 FAQ

🔗 延伸閱讀

• AI Agent 是什麼？從零開始的入門指南
• MCP 是什麼？讓 AI Agent 連上你所有工具
• n8n、Make、Zapier 三大平台比較
• 不用寫程式也能做 AI Agent
• AI 工作流程設計：把任務拆成會跑的流程