用一句話讓 AI 幫你建 n8n workflow
42+ 條可複製的提示詞,寫給 Claude/Cursor/Windsurf 等 AI agent 用。搭配 n8n MCP server(例:czlonkowski/n8n-mcp)或 n8n REST API,AI 會自動呼叫 POST /workflows、PATCH /workflows/:id、POST /workflows/:id/activate 幫你把 workflow 建起來、驗證、啟用。每條卡片右上角「複製」直接貼到你的 AI 對話。
這本是什麼
手拉 n8n 節點很快,但如果你已經是「用 AI 寫 code」的工程師/PM,其實可以更快——讓 AI 直接幫你把 workflow JSON 產出來、貼進 n8n。這本收錄 42 條真實工作場景的提示詞,每一條都寫得剛好讓 AI 可以觸發 n8n MCP server 或呼叫 n8n REST API。
兩種介接方式:
- n8n MCP server(推薦):讓 Claude Code/Cursor 掛上
n8n-mcp或n8n-workflow-builder,你講一句話,AI 直接呼叫create_workflow、activate_workflow等工具。 - 直接呼叫 REST API:AI 產 curl 或 SDK 呼叫,走
X-N8N-API-KEYheader 認證,命中/api/v1/workflows等端點。
怎麼用這些提示詞(3 分鐘準備版)
-
裝一顆 n8n MCP server(推薦)
在 Claude Code/Cursor 的 MCP 設定裡加:
npx n8n-mcp(czlonkowski/n8n-mcp,22.7k★)或npx @makafeli/n8n-workflow-builder(makafeli/n8n-workflow-builder,540★)。啟動後你就會看到create_workflow/activate_workflow等工具出現。 -
設 n8n API 環境變數
MCP server 需要兩個變數:
N8N_URL(例:https://n8n.woowtech.io)跟N8N_API_KEY(在 n8n 的 Settings → API 建立)。 -
挑一條提示詞、按「複製」
貼進 Claude/Cursor 對話框,把角括號感的欄位(Slack channel、Airtable base、Sheet 名字)換成你的。
-
讓 AI 先報告、再動手
會建 workflow 的請求,保留提示詞裡「先給我 JSON 結構我看過,再 create」這句。避免 AI 用你的實際 credentials 亂跑。
A · workflow 生成(Create / Update / Delete)
最直接的一類:一句話產一支 workflow。AI 會呼叫 POST /api/v1/workflows 建卡、選擇是否 activate。
在 n8n 建一支叫「訂單通知」的 workflow:Webhook 觸發(POST /order-in)→ Set 節點抽出 order_id/total/email 三欄 → Google Sheets Append 到 sheet id 1abcdef 的「orders」分頁 → 用 Slack 傳訊息到 #sales channel「新訂單 {{order_id}},${{total}}」。先給我 workflow JSON 我確認,再呼叫 create_workflow。
示範:先報告 JSON 再 create,最基本的安全習慣。
列出目前 n8n 裡所有的 workflow,按 updatedAt 排序,最近改過的排最前面。輸出格式:id、name、active 狀態、上次更新時間、標籤。
→ list_workflows / GET /api/v1/workflows從 n8n 拿 workflow id xyz789 的完整定義,用 diff 格式跟我下面貼的 JSON 對比,告訴我我改了哪些欄位、加了哪些節點。
把 workflow id abc123 裡的 Slack channel 從 #sales 改成 #sales-taiwan,其他不動。先給我變更前後差異,我確認再 patch。
Duplicate workflow id abc123 成新的一支,名字加後綴 -staging,複製後把所有 Slack channel 換成 #staging-alerts、把 Google Sheet id 換成 1STAGING,並保持 inactive。
啟用 workflow id abc123,啟用後幫我做 3 次 test execution 確認流程正常;如果有錯回報是哪個節點失敗,我再決定是否 deactivate。
找到所有名稱包含「test」或「staging」的 workflow,列出來給我看,我確認之後全部 deactivate。真正 delete 我另外下指令。
→ list_workflows → deactivate_workflow (bulk)安全:不主動 delete,先 deactivate。
B · Trigger 設定(Webhook/Cron/Watcher)
Trigger 是 workflow 的入口。這一類提示詞示範怎麼把不同觸發時機講清楚。
建一支 workflow:Webhook Trigger 監聽 POST /line-webhook、response mode 設 lastNode、authentication 用 header X-Line-Signature HMAC 驗簽(secret 用 credentials id line-secret)。收到後往下接一顆 Function node 抽出 events[0] 就好。
建一支 Schedule Trigger workflow:每個工作日(週一到週五)早上 8:00(Asia/Taipei)跑一次;跳過台灣國定假日(用 sub-workflow holiday-check 判斷)。
用 Gmail Trigger 監聽 label 為 invoice 的新信,每 5 分鐘輪詢一次;下游接一顆 IF 判斷附件為 PDF 才繼續。credential 用 gmail-corp。
Google Drive Trigger 監聽資料夾 id 1FOLDER,觸發時機 fileCreated,每 10 分鐘檢查一次。抓到新檔就往下接抽文字 → 存到 Airtable base id appBASE 的 Docs table。
建一組 兩支互相銜接的 workflow:(A)Cron 每 15 分鐘查 Notion database id DB1 找出 status=Ready 的頁;(B)用 Execute Workflow node 呼叫另一支 workflow 處理每一頁,並把處理結果寫回 Notion。分開建,避免單支太複雜。
C · 資料轉換(Set/Function/Code node)
資料整形是 workflow 裡出現最頻繁的節點——這類提示詞讓 AI 幫你決定用 Set 還是 Code。
在現有 workflow id abc123 的 Webhook 節點下游插一顆 Set 節點(Edit Fields),把 body.customer.email 轉小寫、body.total 轉數字、body.created_at 轉 ISO 8601 UTC;其他欄位丟掉。
插一顆 Code node(JavaScript),把上一個節點回傳的 items(含巢狀 orders 陣列)攤平成一列一 order 的格式:每個 item 保留原本的 customer_id,但 orders 展開成獨立 item,欄位對 orders[i] 的內容。
→ update_workflow(Code node)在 workflow 裡加一顆 Item Lists 節點:把 API 回來的 200 筆 items 依 category 欄位分成三堆(A/B/C),每堆各接一顆下游 Slack 節點發到對應 channel。用 Split In Batches 每批 20 筆,避免 rate limit。
→ update_workflow(Item Lists + Split In Batches)寫一個 Code node 做 dedupe:以 email 欄位為 key,同一 batch 裡有重複只保留最新 created_at 的那筆。給我 JavaScript code、加上詳細註解,Python 版另外附一份。
→ update_workflow(Code node)用 Set node 把上游三個節點的 item(node A、B、C)合成一個新 item:欄位命名 a_*/b_*/c_* 前綴避免衝突,缺欄位補 null 而不是丟掉。用 Merge node combine + append mode。
D · SaaS 整合(Slack/Gmail/Notion/Airtable/Google Sheets)
最常見的落地場景。credential id 部分請換成你自己的。
建一支 workflow:Slack Trigger 監聽 #customer-support 的 message 事件;若訊息含關鍵字 refund 或 退款,用 Notion node 在 database id refunds 建一頁,properties 帶用戶 id、訊息內容、時間;並在原 Slack thread 回覆「已建卡,追蹤中」。
建 Gmail 收信 → Airtable 建卡 workflow:Gmail Trigger label=leads;用 AI Agent 抽出 name/company/phone/interest 四欄;寫到 Airtable base=appLEADS、table=Leads;建卡後 24 小時內未回覆自動寄提醒(用 Wait node + Gmail send)。
寫一支 Google Sheets 讀寫 workflow:Cron 每天 8:00 讀 sheet 1ORDERS 的 A2:F 範圍 → 過濾出昨天的訂單 → 統計每個地區的總營收 → 寫到同 sheet 的 daily-summary 分頁(append mode,一天一列)。
建 Slack Approval workflow:Webhook 觸發後在 Slack #approvals 傳 interactive message(含 Approve/Reject 按鈕),Wait node 等最多 24 小時;使用者按 Approve 走上路(呼叫內部 API 發款)、Reject 走下路(Slack 回覆申請人)、超時走第三路(升級主管)。
→ create_workflow(Slack Interactive + Wait + IF)HTTP Request 節點打自訂 API:POST https://api.internal.com/v1/tickets,headers 含 Authorization: Bearer(用 credential internal-api-key)、Content-Type: application/json;body 從上一個節點的 items 對應欄位。加 3 次 retry,指數 backoff,429 或 5xx 才重試。
列出目前 n8n 裡所有 credentials(僅 id、name、type,別列 data),我要盤點哪些沒用到可以刪掉。
→ list_credentials / GET /api/v1/credentialsE · AI Agent 節點(LangChain / Chat Model / Memory / Tool)
n8n v1 之後推出的 LangChain 系列節點——AI Agent 讓 workflow 有一顆「會判斷的節點」。
建一支客服分派 workflow:Line Webhook 收訊息 → AI Agent(Chat Model:Anthropic Claude 3.5 Sonnet;prompt 內含 4 個分類定義:退換貨/技術問題/一般諮詢/其他)→ 用 Structured Output 回傳 {category, confidence, reasoning} → Switch 節點依 category 分流。confidence < 0.7 走「其他」。
在 AI Agent 節點旁掛三顆 Tool:(1)HTTP Request 到內部訂單 API 查訂單狀態;(2)Notion Read 查 FAQ 資料庫;(3)Google Sheets Read 查退貨政策。system prompt 教它「先看 FAQ、再看訂單 API、最後才引用政策;回覆結尾附引用來源」。
→ update_workflow(AI Agent + tools)建 AI Agent + Memory workflow:Chat Trigger + AI Agent + Buffer Window Memory(size=10)+ OpenAI Chat Model。sessionId 從 Chat Trigger 的 sessionId 欄位帶入,保持同一 user 的對話上下文。附一顆 Structured Output Parser,讓回應永遠是 {reply, next_action, tags[]}。
建一支 PDF 摘要 workflow:Google Drive Watcher(PDF 出現)→ Extract from File 抽文字 → AI Agent(Claude Sonnet,prompt:三段式摘要 + 標籤 + 情緒)→ Airtable Upsert 到 Feedback 表。並發限制設 5,避免打爆 API。
→ create_workflow(Drive + Extract + AI + Airtable)把現有 workflow id abc123 裡的 OpenAI GPT-4o 模型改成 Anthropic Claude 3.5 Sonnet,保留原 prompt 跟 temperature 設定。credential 換成 anthropic-prod。改完先 test 一次跑起來沒錯再存。
建一支 Multi-Agent workflow:Chat Trigger → AI Agent「Router」判斷是問技術還是問業務 → 分流到兩顆專門的 AI Agent(Tech Support / Sales Consultant),各自掛不同 tools 跟 memory。回覆時 Router 標明是誰回的。
→ create_workflow(3× AI Agent)F · 錯誤處理與監控(Error Workflow / Retry / Alerting)
Production workflow 沒有「不會壞」,只有「壞了怎麼救」。
建一支「全站錯誤接住」的 Error Workflow:Error Trigger → Set 節點整理出 workflow 名稱/failed node/error message/timestamp → Slack 傳到 #n8n-alerts(用 code block 附錯誤細節)→ 若同一支 workflow 24hr 內失敗超過 3 次,再多一則 tag @on-call。
→ create_workflow(Error Trigger)把 workflow id abc123 的 settings 加上 errorWorkflow: <上一題的 error workflow id>,然後幫所有 name 含 -prod 的 workflow 都做同樣的設定。列一份清單給我確認之後再套。
在 HTTP Request 節點加 retry:max attempts 5、initial wait 2 秒、backoff exponential ×2、只在 status 429/500/502/503/504 retry;其他 status 直接失敗。加 continueOnFail: true 讓下游能拿到錯誤物件另外處理。
寫一支「每日健康巡檢」workflow:Cron 每天 07:00 跑 → list_workflows 抓所有 active workflow → 對每一支 list_executions(last 24hr、status=error)→ 有 error 的整理成 Slack 訊息(表格)→ 傳到 #n8n-daily-health。零錯誤時也發一則「今日一切正常 ✅」。
→ create_workflow(Cron + list_executions + Slack)建 workflow:Cron 每小時跑,用 n8n API 抓過去 1 小時的 executions,計算失敗率;>5% 立即通知;>20% 呼叫 deactivate_workflow 把出錯最多的那支自動下線,並通知我來處理。
G · Workflow 除錯(讀 log、看 execution、修改)
當 workflow 半夜掛了,這一類提示詞讓 AI 幫你找出誰在哭。
Workflow id abc123 昨晚在 execution id exec_9876 失敗了。抓那次 execution 的完整 log,告訴我:(1)哪個 node 失敗、(2)失敗當下上游傳給它的 input JSON 是什麼、(3)error message 是什麼、(4)你猜測的原因跟三個可能的修法。
列出 workflow id abc123 過去 7 天所有失敗的 executions,按時間排序;把失敗訊息按類型分組(credential 失效/timeout/validation 錯誤/其他),統計出哪一類最多、平均多久失敗一次。
Workflow id abc123 現在跑起來很慢,平均一次 execution 花 45 秒。撈最近 20 次執行的 node timing,找出瓶頸節點;建議改法(加 cache?換 API endpoint?拆 sub-workflow?)。
用 run_workflow 對 workflow id abc123 跑一次 test execution,input data 用下面這段 JSON:{"customer_id": "test_001", "amount": 100}。跑完把每個 node 的 input/output 都列給我看,我要確認資料流沒問題。
Workflow id abc123 的 Google Sheets 節點回報「credential expired」。(1)查這個 workflow 用的是哪個 credential id;(2)用 list_credentials 幫我確認狀態;(3)給我步驟怎麼在 n8n UI 重新授權;(4)授權好之後幫我 run 一次驗證。
我下面貼一段 workflow JSON,你先「validate」它——找出:(1)語法錯誤;(2)dangling connection;(3)少 credential 引用;(4)明顯的效能地雷(同一個 API 迴圈打 200 次不批次)。修好後給我完整 JSON。
→ validate_workflow(MCP tool)H · 維運操作(Tags/Audit/備份/匯出)
Ops 面:管好 workflow 命名、稽核、備份策略。
列出所有沒掛 tag 的 workflow,幫我建議它們該屬於哪些 tag(依名稱、觸發器、下游 SaaS 判斷),並把 tag 分派表給我。我確認之後你再呼叫 update_workflow 幫我掛上去。
→ list_workflows → update_workflow (tags)跑一次 n8n Security Audit(POST /api/v1/audit),把結果分類為 Critical/High/Medium/Low;針對每個 Critical 項目給我修法。
把所有 active workflow 一支一支 get_workflow 拿完整 JSON,全部打包成一個 zip 給我當備份。檔名格式 {workflow_id}_{name_slug}.json;再產一份 index.md 列出所有備份項目。
我要把 dev 環境(n8n-dev.woowtech.io)的 workflow id dev_abc 複製到 prod(n8n.woowtech.io)。步驟:從 dev 取出 JSON → 掃描 credential id → 對應到 prod 的 credential(依 name 匹配)→ 在 prod create_workflow 但先不 activate。
提示詞寫法小抄
回頭看那 42 條,其實有五招在來回用:
| 這樣講 | 不要這樣講 | 為什麼 |
|---|---|---|
| 寫目標+節點大概順序:「Webhook → Set → Sheet → Slack」 | 只寫「做一支通知 workflow」 | 目標+節點順序讓 AI 產出的 JSON 更貼近你要的形狀,少來回改 |
| 把 id 都寫死:sheet id、Notion database id、channel、credential 名 | 「用我常用的那張表」 | AI 沒 memory,該具體就具體,模糊的一定產亂 |
| 先報告再動手:「給我 JSON 我看過再 create」 | 「直接建起來啟用」 | 會動 credentials 的請求,一句話換一道保險 |
| error handling 一起講:retry 幾次、什麼 status 才 retry、失敗通知誰 | 只講 happy path | 沒交代錯誤策略,AI 通常 skip 掉——上 prod 才發現沒有 error handling |
| 先跑 test:「先 test_execution 我看過再啟用」 | 建完直接 activate | test execution 免費也快,卡在生產環境的錯 90% 都能靠 test 抓到 |
常見問題
提示詞要一字不差照抄嗎?
不裝 MCP server 可以用嗎?
MCP server 要用哪一顆?czlonkowski/n8n-mcp 還是 makafeli/n8n-workflow-builder?
czlonkowski/n8n-mcp(22.7k★)功能最完整,含 node search/validation/template 探索,適合深度使用;makafeli/n8n-workflow-builder(540★)15 顆 tool 就夠,安裝更簡單。初次用建議先裝 makafeli 那顆。Skill 手冊有更詳細比較。AI 會不會亂改 production workflow?
提示詞會不會很花 token?
czlonkowski/n8n-mcp 說支援 2,541 個 node),第一次對話會吃比較多 token。之後就穩定。建議挑推理較強的模型(Claude Sonnet/GPT-4o)——workflow 是 code,AI 判斷力越好產出越正確。MCP 呼叫 n8n API 需要什麼權限?
X-N8N-API-KEY header 傳給 /api/v1/* 端點。要 workspace-level 隔離請洽 WoowTech 幫你切多 workspace(企業版功能)。把這本帶走
整本是自包含單檔 HTML,圖示全部內嵌,下載後離線可開、可直接轉寄給團隊。