[心得] n8n 還有救嗎？15 坑與 AI Agent 新定位

一、為什麼最近比較少人談 n8n？

講者回憶：兩三個月前 n8n 線上／實體課程還很搶手，但近期討論變少。同時 ChatGPT Codex、Claude Co-work 等 AI Agent 強勢崛起，很多人開始問——AI 一句話就能寫程式、修 bug、甚至跑完工作，還要學 n8n 嗎？是不是該跟它說再見？

工程實務上，n8n 與各類新型 AI Agent 在定位與執行場景有根本差異：Agent 負責思考與決策，n8n 負責穩定交付與底層管線。兩者不是替代，而是 AI Agent + Workflow 的協同進化。

二、四款工具怎麼分？

• n8n：流程自動化引擎——節點圖形化串接 API／資料庫，擅長預定規則、事件驅動、要求準確的確定型工作流。
• ChatGPT Codex：代碼生成／開發代理——理解需求並輸出程式，偏底層語言模型工具。
• Claude Co-work：桌面協作 Agent——在授權沙盒內處理報表彙整、文件分析等非結構化日常任務。
• OpenClaw：開源本機高權限 Agent——常駐終端／系統底層，跨軟體控制 OS、瀏覽器與本地指令。

影片結構：① 15 個地獄級坑點 ② 10 大優點 + 5 核心價值 ③ AI Agent 時代新定位。骨子裡仍需要 JS／Python 邏輯底子。

三、15 個地獄級坑點（初學者最常卡關）

1. 學習曲線很陡 — 仍需理解 API、JSON、HTTP、Webhook。
2. Node 太多不知從哪開始 — 一打開數百個 Node，抓不到常用重點。
3. Error Message 不夠直觀 — 訊息偏技術，不易定位真正原因。
4. 除錯很花時間 — 資料格式差一點，整條流程就失敗。
5. JSON 操作門檻高 — Expression、Path、物件結構最容易卡住。
6. Expression 語法難懂 — $json、$node、$input 需時間熟悉。
7. OAuth／Credential 設定麻煩 — Google、Notion、Slack 等授權易失敗。
8. 官方文件偏技術 — 完整但實務案例不足，常需搭配社群文章。
9. 教學只示範 Happy Path — 很少講 Error Handling、Retry、Edge Case。
10. 得懂 HTTP Request 才能發揮 — 沒原生 Node 的服務仍要自己呼叫 API。
11. Workflow 變大後很難閱讀 — Canvas 變亂，維護成本上升。
12. 資料流不容易理解 — 每個 Node 都可能改資料格式。
13. Code Node 仍常要寫 JS（標題點名「最多人中招」）— 複雜轉換對純 No-code 不友善。
14. 測試與正式環境容易混用 — 直接用正式帳號測試，誤發／誤寫。
15. 缺乏大型專案最佳實務 — 命名、模組化、版本管理靠經驗累積。

講者強調：多數缺點不是設計缺陷。相對 Make／Zapier，n8n 自由度更高（自架、JS、HTTP、自訂節點），但也要求更多網路與程式基礎。

四、10 大優點：為什麼老手離不開

支持者認為它快速成長，不是因為最好上手，而是自由度、可擴充性與成本效益的平衡：

1. 可自行部署 — 資料留在自己伺服器，適合重視資料主權的場景。
2. 自由度極高 — 幾乎任何 API 都能串，不被平台綁死。
3. Low-code + Code 並存 — 需要時可直接加入 JavaScript／Python。
4. 大量第三方整合 — 數百個內建 Node；沒有的用 HTTP API 補。
5. 適合複雜工作流程 — 條件、迴圈、錯誤處理、分支都做得到。
6. 成本效益高 — Community Edition 免費；自架通常比按次計費划算。
7. AI Agent／LLM 整合完整 — 可串大型語言模型、向量資料庫、RAG。
8. Workflow 視覺化清楚 — 節點流程圖比純程式碼好懂、好維護。
9. 社群活躍、生態系成熟 — 論壇、Reddit、大量範本，問題較易找解法。
10. 不易碰到天花板 — 後期仍可加程式碼／自訂節點，不必整個重寫。

五、5 個核心價值

1. 資料自主 — 可完全自架，敏感資料不必離開公司環境。
2. 開發自由度 — 呼叫 API、寫程式、建自訂節點，幾乎沒上限。
3. AI 自動化能力 — 適合作為 LLM、Agent、MCP 的流程編排平台。
4. 長期成本較低 — 大量執行的企業／技術團隊更具成本優勢。
5. 介於 No-code 與 Developer Tool 之間 — 視覺化入門，也能逐步加深邏輯。

六、三者定位：人設計流程 vs AI 自行規劃

• n8n：人設計流程，串接 Email、資料庫、Slack、ERP、AI 等；適合固定、可重複的業務流程。
• ChatGPT Codex：提出需求後自行分析、寫程式、跑測試、修錯誤。
• Claude Co-work：讀文件、分析資料、寫報告、協助研究與協作。

最大差別：n8n 是人設計 → 系統執行（整合與穩定）；Codex／Co-work 是AI 自行規劃並執行（自主推理）。未來更可能兩者結合。

七、未來：從主角變成 AI Agent 的執行引擎

以前：「人設計流程，系統執行」。未來：「AI 規劃決策，n8n 負責可靠串接」。講者認為短期內不會被取代，但角色正在改變——從主角退到幕後，卻更不可或缺。

八、怎麼學好？三步驟

1. 建立正確認知 — 接受 Low-code；打好 API／HTTP／資料結構基礎；先從官方／社群 Templates 入手，不要只照抄 Happy Path。
2. 善用 AI 輔助學習 — 用 ChatGPT／Claude 幫忙寫 JSON、除錯、產生程式碼與 Expression。
3. 當作 AI Agent 的執行引擎 — 重點放在系統串接與穩定度，而非孤立學習。

九、真正拉開差距的關鍵

• 不是會不會用 n8n，而是能不能讓 AI 與 n8n 協同作戰。
• 打好 API、JSON、流程基礎的人，將是第一批把 AI Agent 真正落地的贏家。
• n8n 沒有離開，只是從主角退到幕後，卻更加不可或缺。