n8n 自動化實戰指南：何時該用 LLM？何時該派 AI Agent 上場？
在建立 n8n 的自動化工作流時，許多新手都會遇到一個核心痛點：畫面上同時有 LLM 節點和 AI Agent 節點，到底該拉哪一個？
如果你習慣將所有任務都塞給 AI Agent 處理，你可能會面臨 Token 費用暴增、執行流程不穩定，甚至是難以 Debug 的地獄。這篇文章將帶你深度解析 LLM 與 AI Agent 的本質差異，並教你如何針對不同的戰場，選擇最適合的自動化武器。
💡 核心對決：LLM 與 AI Agent 的本質差異在哪裡？
要理解兩者的差異，我們可以用最簡單的「積木（Function）」概念來看：
- LLM (大型語言模型)： 本質上它**只有一個大腦 (Model)**。它採取一問一答的線性模式（你問 → 他回），完全處於被動狀態。
- AI Agent (智能體)： 除了大腦 (Model) 之外，它還具備了 記憶 (Memory) 與 **工具箱 (Tools)**。它能夠根據你的目標，自主啟動 ReAct（理解目標 ➔ 規劃步驟 ➔ 呼叫工具 ➔ 檢查結果）的多步推理解迴路，直到任務完成。
🧠 為什麼 90% 的場景你只需要 LLM？（省錢又穩定）
許多新手在初學 n8n 時，容易陷入「凡事皆用 Agent」的誤區。事實上，在日常的自動化任務中，有高達 90% 的時間你只需要使用單純的 LLM 節點。
適合 LLM 處理的任務特徵：
- 流程固定： 擁有明確的輸入（Input）與輸出（Output）。
- 純文字處理： 例如資料摘要、語言翻譯、語意分類（客訴情緒判斷）。
- 生成結構化資料： 幫你打草稿、生成 Email 內容、或是轉換成特定格式（JSON、SQL）。
LLM 的絕對優勢：
- 超便宜： 只要 Prompt 寫好，一次呼叫就解決，Token 消耗極低。
- 超好 Debug： 流程固定，出錯時一眼就能看出是哪個環節的問題。
- 可控性極高： 嚴格遵循你的指令，不會有意外的自主決策。
🦸♀️ 何時才需要派 AI Agent 上場？（處理不確定任務）
如果你今天的任務沒有固定的標準流程，且需要「動態決策」或「與外部系統互動」，這時才是 AI Agent 發揮價值的舞台。
適合 AI Agent 處理的任務特徵：
- 不確定的流程： 無法事先寫死所有的判斷條件。
- 需要多步驟決策： 遇到問題需要反覆思考並修正。
- 依賴外部工具： 例如自動查訂單資料庫、上網搜尋最新資訊、或是直接操作 API 發送郵件。
⚠️ 新手防坑警告：拜託不要濫用 Agent！
AI Agent 雖然聰明，但會帶來高昂的代價。它在思考與嘗試的過程中會消耗大量 Token（成本直接爆炸），且由於具備自主決策權，非常容易產生「幻覺 (Hallucination)」導致過度行動。如果出錯，因為思考邏輯成謎，Debug 的難度將會非常高。
鐵則：能用 LLM 解決的問題，就絕對不用 Agent！
🏗️ 大師級實戰架構：如何打造「黃金混合生產線」？
在實戰中，最強的架構不是全用 Agent，也不是全用 LLM，而是將兩者混搭，各司其職。我們以「智能客服工作流」為例：
- 讓 Agent 當「廠長」負責決策 (Decision)：
接收到客戶訊息後，由 AI Agent 判斷「是否需要回覆？」。如果需要，Agent 會決定去 Database 調出這筆訂單資料。 - 讓 LLM 當「作業員」負責處理 (Process)：
將訂單資訊與客訴內容交給純 LLM 節點，請它專心撰寫一封語氣誠懇的安撫 Email（生成內容）。 - 讓 Tools 當「輸送帶」確實執行 (Execute)：
最後，將 LLM 寫好的信件交給常規的 HTTP / Gmail 節點（不需要 AI），單純負責把信件送出。
這樣一來，Agent 不需要浪費 Token 去寫信，LLM 也不需要負擔決策的壓力，整個 n8n 流程既聰明、穩定又省錢！
常見問答 (FAQ)
Q：為什麼我在 n8n 中使用 AI Agent 執行任務，費用會突然暴增？
A：因為 AI Agent 具備「ReAct（推理與行動）」機制。為了解決一個問題，它會在背後不斷自我對話、反覆呼叫工具並驗證結果，每一次的內部迴圈都會消耗大量的 Token。如果沒有嚴格限制它的行動次數或提供精確的 Prompt，成本就會直線上升。
Q：我該如何決定一個新流程要用 LLM 還是 Agent？
A：你可以問自己兩個問題：第一，「這個任務的流程是否固定不變？」第二，「任務需要自行判斷並呼叫外部工具來查資料嗎？」。如果流程固定且只需純文字轉換，請召喚 LLM；如果需要多重判斷與操作工具，再指派 Agent。
Q：如果我的 AI Agent 流程一直報錯，該如何優化？
A：遇到 Agent 報錯或產生幻覺，首要之務是「把它牢牢限制住」。你可以在 System Prompt 中給予極度明確的目標與角色設定，限制其最大思考與行動次數，並確保給予的 Tools (工具箱) 只有它絕對需要的工具，避免它漫無目的地亂猜。若還是難以 Debug，建議將複雜流程拆解，改用「Agent 決策 + LLM 執行」的黃金混合架構。
