用 AI + Slack 做團隊自動化：通知、彙整、機器人助理，減少手動轉貼

這篇解決的問題是：你的團隊每天在 Slack 裡手動轉貼通知、追散落的訊息、人工整理早報，明明都是重複動作卻佔掉一堆時間。 適合讀的人是：團隊有在用 Slack、想把重複搬運自動化的營運、行銷、客服、PM 與小型企業負責人。讀完你會具備一個能力——用 AI 加 Slack 搭出三種實用自動化（跨工具通知、訊息彙整摘要、會回答問題的機器人助理），讓 Slack 自己跑，把無腦轉貼交給機器。

為什麼要把 AI 接進 Slack？

先看一個很多團隊都熟悉的早晨場景：負責人一進辦公室，打開五個分頁，把昨晚的訂單數字貼進 Slack、把客服信箱的客訴轉貼到客服頻道、把表單新增的報名一筆筆通知業務、再花十分鐘把昨天三個專案頻道的討論看過一遍寫成早報。光是這些「搬運」，一個人一天就耗掉一到兩小時，而且容易漏、容易拖到下午才整理。

問題的核心不是 Slack 不好用，而是Slack 只是一個訊息的容器，它不會主動幫你判斷、整理、提醒。 所有的理解與彙整工作，目前都壓在人身上。

把 AI 接進來，等於給 Slack 裝上一顆會動腦的助理。它能跨工具自動發通知（訂單、表單、報表一有變化就推到對的頻道）、能把一整天的雜訊摘要成重點、能在你問問題時直接從公司文件找答案回你。你的角色從「搬運工」變成「審核者」。如果你對 AI Agent 的基本概念還不熟，建議先看 AI Agent 是什麼？新手完整入門，再回來搭會更有感。

核心概念：Slack 自動化的三層樓

不要一開始就想做出無所不能的機器人。把 Slack 自動化拆成由淺到深的三層樓，先蓋一樓再往上：

關鍵心法是：讓 AI 只做「需要理解語意」的事，其餘交給自動化工具。 抓資料、判斷觸發、發訊息這些規則性工作，交給 n8n、Make 或 Zapier 這類工具；只有摘要、分類、草擬回覆、回答問題這些要「動腦」的步驟，才呼叫 AI 模型。這樣系統又快又省，也好除錯。這個「判斷 vs 執行」的分工，本質上和 MCP 是什麼？讓 AI 連上你所有工具講的概念是同一套思路。

實際教學

以下用「每日團隊早報機器人」這個最實用的二樓案例當主軸，五步搭起來。其他需求（純通知、機器人問答）換掉節點或 Prompt 即可沿用同一骨架。

Step 1：盤點團隊每天的手動轉貼

動手前先做一張清單，把團隊每天在 Slack 裡重複做的搬運寫下來。問三個問題：這件事每天做幾次？每次花多久？做的時候需不需要動腦判斷？

舉例，一個小型電商團隊的清單可能長這樣：

• 每天早上把昨日訂單數、營收貼進 #業務 頻道（純搬數字，不需動腦）
• 把客服信箱的客訴轉貼到 #客服 並標記負責人（要判斷急不急、該找誰）
• 把三個專案頻道昨天的討論整理成早報（要理解、摘要）

第一項適合做成「一樓通知」，第二、三項才需要 AI。先分清楚哪些不需要 AI，能省下大半成本與複雜度。

Step 2：建立 Slack App 與權限

到 Slack API 後台建立一個 App，這是讓外部工具跟 Slack 對話的鑰匙。最常用到的兩種能力：

• Incoming Webhook：最簡單，給你一個網址，往那個網址送訊息就會出現在指定頻道。一樓通知用這個就夠。
• Bot Token 與權限：要讀訊息、回 Thread、做問答機器人時需要。常見權限有 chat:write（發訊息）、channels:history（讀頻道歷史）、app_mentions:read（被 @ 時收到通知）。

只開你真正需要的權限，不要為了省事全開，這是基本的資安原則。

Step 3：串接觸發與取料

用 n8n、Make 或 Zapier 接上觸發點與資料來源。觸發點決定「什麼時候啟動」，常見三種：

• 排程觸發：每天早上 8:30 自動跑，適合早報、日報。
• 事件觸發：表單有新填寫、訂單系統有新訂單、客服信箱有新信時立刻啟動。
• 被提及觸發：使用者在 Slack @ 機器人時啟動，問答助理用這個。

取料就是把要處理的資料抓進來：用 Slack 節點讀指定頻道過去 24 小時的訊息、用 Google Sheets 節點讀訂單表、用 HTTP 節點抓報表 API。如果你想看更完整的工具比較，可參考 現成 Workflow 流程範本庫。

Step 4：加上 AI 生成節點做摘要與分類

這是整套流程的大腦。把抓進來的原始訊息丟給 AI 模型，請它做三件事：摘要重點、分出待辦事項、標出負責人。重點是要求 AI 輸出固定格式（例如 JSON 或固定段落），後面才好自動發送。詳細的 Prompt 寫法見下一節範例。

如果你要做的是「問答助理」，這一步要先讓 AI 從公司文件檢索相關段落再回答，也就是 RAG。沒有這層，機器人會自信地亂編答案。RAG 的原理見 RAG 是什麼？讓 AI 讀你的資料再回答。

Step 5：發回 Slack 並記錄日誌

把 AI 整理好的成品發回 Slack。實務上有兩個小技巧能大幅提升體驗：

• 用 Thread 回覆：問答機器人在原訊息底下開 Thread 回答，不洗版、討論集中。
• 重要項目用格式強調：待辦用核取清單、負責人用 @ 標記、急件加上紅色 emoji，讓人一眼掃到重點。

同時把每次執行寫進一份日誌（Google Sheet 或資料庫），記下時間、處理筆數、有沒有出錯。出問題時能快速回頭查，這是讓自動化「可長可久」的關鍵，很多人忽略這步，結果壞掉好幾天才發現。

範例：Prompt 與 Workflow

以下提供「每日團隊早報機器人」可直接套用的 Prompt 與流程圖。

可複製的 Prompt（放在 AI 生成節點的系統提示）：

你是團隊的營運助理，負責把昨天 Slack 各頻道的討論整理成一份精簡早報。

輸入：我會給你昨天多個頻道的原始訊息（含發話人與內容）。

請依下列規則整理，並只輸出 JSON：
1. 「今日重點」：用 3 到 5 個條列摘要昨天最重要的進展，每條不超過 30 字。
2. 「待辦事項」：抽出明確的待辦，每項標出 { 事項, 負責人, 期限 }；若訊息沒提到負責人或期限就填「未指定」。
3. 「需要決策」：列出懸而未決、需要主管拍板的問題。
4. 重大警報（客訴、金額異常、系統故障）請另外放在「警報」欄位，並原文保留，不要摘要。
5. 若某類別沒有內容就回空陣列，不要硬湊，不要自行編造未出現的資訊。

輸出 JSON 結構：
{ "今日重點": [], "待辦事項": [], "需要決策": [], "警報": [] }

文字版 Workflow 流程圖：

每天 8:30 排程觸發
        ↓
讀取三個專案頻道過去 24 小時訊息
        ↓
合併訊息 → 做個資脫敏（換代號）
        ↓
呼叫 AI：依系統提示摘要、抽待辦、標警報（輸出 JSON）
        ↓
   解析 JSON 成功？
   ├─ 否 → 重試一次，仍失敗就發原始訊息＋通知管理員
   └─ 是 ↓
有「警報」內容嗎？
   ├─ 有 → 原文直送 #緊急 頻道並 @主管
   └─ 一般內容 ↓
把早報格式化（重點、待辦核取清單、@負責人）
        ↓
發到 #每日早報 頻道
        ↓
寫日誌（時間、處理筆數、是否出錯）

這條流水線的精神，和 ChatGPT 提示詞完整指南強調的「明確指令＋固定輸出格式」是一致的：你越把要求講清楚，AI 越穩定。

常見錯誤

• 一上來就想做萬能機器人。 想一次做出能回答所有問題、又能執行所有操作的助理，結果做半年做不出來。正解是先做一樓通知，跑穩了再往上蓋。
• 把所有通知都自動轟炸到同一頻道。 訊息一多大家就全部關掉提醒，自動化等於白做。要分頻道、分輕重，重要的才推播。
• 關鍵警報也交給 AI 摘要。 客訴、金額異常被摘進一句話裡，主管沒看到就出事。重大訊息一律走「原文直送」，別省這個。
• 沒有錯誤處理。 AI 偶爾回傳壞掉的格式、API 偶爾逾時，沒做重試與通知，流水線靜悄悄壞掉好幾天才被發現。
• 資料沒脫敏就丟給 AI。 客戶姓名、電話、金額直接送進模型，埋下資安與個資風險。送進去前先換代號。
• 沒人負責維護。 公司流程改了、頻道改名了，自動化卻沒跟著改，越跑越錯。要指定一個人定期檢查。

最佳實務

• 從一條最痛的流程開始。 挑團隊抱怨最多、最重複的那一件先做，做成功才有信心與支持往下推。
• AI 只負責動腦，搬運交給自動化工具。 嚴守這條分工，系統才會又快、又省、又好維護。
• 關鍵內容分流，不要全靠摘要。 重大警報原文直送，一般討論才交給 AI 彙整。
• 強制固定輸出格式。 在 Prompt 要求 AI 輸出 JSON 或固定段落，並在工具端做解析驗證，失敗就重試。
• 量大用便宜模型過濾，再交給強模型。 分類、判斷急不急這種簡單任務用便宜快速的模型；要寫出完整、有品質的早報摘要才用強模型，成本能降很多。
• 每次執行都留日誌。 方便追蹤、除錯、跟老闆證明省了多少時間。
• 保留人工審核關卡。 對外發送、自動回覆客戶這類動作，初期先讓人按一下確認再送，跑穩了再考慮全自動。

實際案例：台灣電商客服團隊導入早報與通知

一家位在台中、約 25 人的電商公司，客服與營運共用 Slack。導入前的狀況是：每天早上一位資深客服要花約 90 分鐘，手動把昨晚的訂單數字、客訴、退貨申請從各系統貼進不同頻道，再口頭跟大家說「今天要注意這幾件」。常常拖到中午才整理完，急件也曾因為淹沒在訊息裡延遲處理。

他們用 Make 加上一個 AI 模型，分兩階段導入。第一階段（一樓通知）： 把訂單系統與表單接上 Slack Webhook，新訂單、新退貨申請自動推到對應頻道，省掉純搬數字的動作。第二階段（二樓彙整）： 排程每天 8:30 讀過去 24 小時客服頻道訊息，AI 摘要成早報，並把客訴與退貨自動分類、標記嚴重程度，急件原文直送 #緊急 頻道 @ 主管。

導入後的成果（導入前後對比，數據經團隊內部統計）：

團隊負責人的回饋很實在：「最大的改變不是省時間，而是『不會再漏接急件』。以前急件埋在訊息海裡，現在它一進來就跳到緊急頻道 tag 我，心理壓力小很多。」這也呼應一個原創觀點——Slack 自動化真正的價值，往往不在省下的分鐘數，而在把「人腦的注意力」從雜訊裡解放出來，讓人專注在真正需要判斷的事情上。

免責聲明：本文涉及的資料處理、客戶個資與自動發送內容，請依貴公司內部規範與個資保護相關法規辦理。將資料送入第三方 AI 服務前，務必確認資料處理條款與脫敏措施，本文不構成法律建議。

結論

把 AI 接進 Slack，不是要做出科幻電影裡的萬能機器人，而是踏實地把團隊每天重複的搬運一層一層交給機器：先做一樓通知，再做二樓彙整，最後才挑戰三樓問答助理。守住「AI 只動腦、工具負責搬運、關鍵內容人工把關」這三條原則，你就能搭出一套穩定、省時、又不漏接重點的團隊協作系統。

別想著一次到位。挑團隊最痛的那一條流程，今天就動手做第一層通知，跑穩了再往上蓋。當 Slack 開始自己跑，你會發現多出來的時間，正是團隊一直缺的那塊。想找更多現成範本，可以逛逛 現成 Workflow 流程範本庫。

❓ 常見問題 FAQ

🔗 延伸閱讀

• AI Agent 是什麼？新手完整入門
• MCP 是什麼？讓 AI 連上你所有工具
• RAG 是什麼？讓 AI 讀你的資料再回答
• ChatGPT 提示詞完整指南
• 現成 Workflow 流程範本庫