上午課程
下午|13:00–16:00

從痛點故事到
可實作的 AI-Agent 系統

企業導入 AI 的核心:先回到痛點,再回到技術

廖敬提(Tim)|下午工作坊

先回顧上午

你的 Canvas 在你手上嗎?

30 秒檢查

  • 第 1 格「Agent 角色」是不是一句話能說清?
  • 第 4 格「業務痛點」是不是夠具體?
  • 第 7、8、9 格的「RAG / Tools / Memory」是否區分對了?
  • 第 10 格「邊界」有沒有寫具體的不能做?
  • 第 13 格「n8n 範本」是不是 T1–T7 之一?
下午會發生什麼

Canvas 是個人發想,下午我們把它升級成小組可上台的提案
5 步驟工作坊 → 服務系統藍圖 → One Page。

下午工作坊框架

5 步驟:把痛點變成 AI Agent 系統

企業導入 AI 的核心,是「看痛點、找需求」,不是「比技術」。

STEP 1

講故事

把組內的痛點情境用人話講出來

13:10–13:25
STEP 2

HMW 句型

把痛點轉成「我們如何透過⋯⋯」的設計挑戰

13:25–13:45
STEP 3

服務系統藍圖

把 HMW 拆成前/前/中/後 4 層服務系統

13:45–14:15
STEP 4

One Page 提案

壓縮成一頁,能上台講 3 分鐘

14:25–14:40
STEP 5

n8n 實作(進階)

真的把 Agent 在 n8n 跑起來

14:40–15:30
產出

每組帶走:1 張服務系統藍圖(A4 橫)+ 1 張 One Page 提案(A4 直)+(進階組)1 個 n8n 原型

Step 1 · 13:10–13:25

講故事 · 痛點不是抽象的,是有人有場景的

每組輪流 2 分鐘,講一個組內最有共鳴的「真實痛點故事」。

故事的 3 個要素

  • 誰:具體一個角色(不是「客戶」,是「下午 3 點打電話的張太太」)
  • 什麼情境:什麼時間?什麼地點?做什麼?
  • 痛在哪:誰浪費了時間 / 失去了機會 / 心累?

避免這樣講

  • 「我們公司的客服效率不高」← 太抽象
  • 「員工不會用 AI」← 那是你的痛,不是業務痛
  • 「希望數位轉型」← 不是痛,是願望

💡 點開看示範故事(學員可仿照寫法)

🌱
碳盤查
中小企業老闆
📚
補習班 FAQ
純對話
🍽️
餐廳菜單
RAG 知識庫
👗
服飾店庫存
Sheet 讀寫
🧰
建材報價
多工具
📱
多平台發文
內容改寫
Step 2 · 13:25–13:45

HMW · 把痛點變成設計挑戰

「How might we ⋯⋯?」
我們如何透過 ________ ?

3 個 HMW 句型範本

我們如何透過 AI Agent 幫 [誰][什麼情境][達到什麼目標]
我們如何讓 [重複性高的任務][人做] 變成 [Agent 主動做]
我們如何把 [散落在多個系統的資訊] 變成 [一個對話介面就能查/改]

好 HMW vs 壞 HMW

我們如何用 ChatGPT 寫 FAQ?

把答案寫死了,沒留解空間

我們如何用 AI Agent 讓客人在午夜也能訂位?

有目標、有限制,但留了「怎麼做」的空間

產出

每組寫 3 個 HMW → 組內投票挑 1 個 → 寫上服務系統藍圖最上方的格子。

Step 3 · 13:45–14:15

服務系統藍圖 · 把 HMW 拆成 4 層

01

前端

Frontend · 用戶介面
  • 用戶在哪個介面互動?(LINE / Web / App / 表單)
  • 第一句話會看到什麼?開場白?
02

前臺

Front Office · 服務流程
  • 觸發場景 + 對話旅程的關鍵節點
  • 需要轉真人嗎?什麼時候?
03

中臺

Mid Office · AI Agent 大腦
  • System Prompt + RAG 知識 + Tools + Memory + 邊界
  • 這層是上午 Canvas 第 7/8/9/10 格的視覺化
04

後臺

Back Office · 資料/系統
  • 資料來源、第三方 API、通知通道
  • 誰維護?多久更新?
Step 4 · 14:25–14:40(休息後)

One Page 提案 · 壓縮成一頁能上台

01

故事 / 痛點(30 字)

具體的人 + 具體的場景

02

HMW 句子

從 Step 2 直接搬過來

03

服務系統藍圖縮圖

從 Step 3 濃縮成 4 個關鍵字

04

能做 3 件事 / 不能做 1 件事

畫出能力圈與邊界

05

ROI / 預期效益(量化!)

省幾小時 / 多少錢 / 多少客戶 / 多快回應 — 至少寫 1 個數字

14:40 起 · 一起動手做

大家跟我一起做:你的第一個 RAG Agent

接下來 30–60 分鐘,我們一起用 n8n 從零開始,把你下午討論的情境,做成一個能跑的 Agent。

我們會一起做這三件事

  1. 寫 System Prompt — 用你下午討論的情境作為角色 / 任務 / 邊界
  2. 接上 AI 模型 — Zeabur AI Hub(OpenAI 相容)
  3. 實作 RAG 知識庫 — 用 Code Tool 直接寫,不接外部工具

為什麼用 Code Tool 做 RAG?

  • 時間有限:n8n 接 Google Docs / Notion / 向量庫要花時間設權限
  • 抓重點:今天我們聚焦在「Agent 怎麼讀知識回答」這個原理
  • 可遷移:等你回去,把 Code Tool 換成真實向量庫就是 production 版
這就是 T2 範本的精神 — 只是知識庫從外部來源換成你自己寫的內容。

🎯 結束時:每個人都有一個自己做的 RAG Demo,能用對話形式回答你情境裡的問題

先把環境準備好

跟著做:6 個步驟把環境裝好

1
登入 n8n
用老師提供的 Zeabur 共用實例網址 + 帳號(白板上會貼)
2
下載並匯入老師傳的範本
從課堂群組下載 T2-rag.json → n8n 右上角 ⋯ → Import from File
3
建立 AI Agent node
範本已內建。打開 AI Agent node,等下我們會貼 System Prompt 進去
4
在 AI Agent node 中加入模型與工具
Chat Model:OpenAI 節點,baseURL 填 https://hnd1.aihub.zeabur.ai/v1
Tool:Code Tool(這就是我們等下要寫 RAG 的地方)
5
設定 AI API Key
老師提供課堂專用 Key(白板會貼)→ 在 OpenAI 節點 Credential 處貼上
6
完成後就可以開始測試
點 n8n 右下角「Open Chat」→ 用下午討論的情境來問問題(角色、痛點、典型對話)
💬 卡關隨時舉手,讓會的同學跟你一組一起跑,這比看講師示範學更快。
掃 QR 帶回家慢慢看

📱 掃 QR
帶回家慢慢看

送你一張地圖|未來分享

AI 應用規劃師 — 不是新職位,是現有職位的進化

過去三年,「AI 規劃師」「AI Product Owner」「AI Ops Lead」這些新職稱越喊越多。 但這些人幾乎都不是從外面進來的 — 是公司內原本就懂業務的人,比同事早三步學會用 AI、設計流程、教別人用,被往上推。

01
HR / 人資
履歷篩選 + 員工 FAQ bot → People Ops AI Lead
點看完整路徑 →
02
業務 / Sales
客戶背景三分鐘 + AI 成交教練 → RevOps Lead
點看完整路徑 →
03
行銷 / Marketing
內容生產線 + 品牌守門 → Content Ops Lead
點看完整路徑 →
04
客服 / CS
一線 bot + 升級流程 → CX AI Lead
點看完整路徑 →
05
PM / 產品
PRD 草稿 + 需求收集 agent → AI Product Manager
點看完整路徑 →
06
行政 / 內勤
會議全自動 + 跨部門表單 → Ops Automation Lead
點看完整路徑 →
07
創業者 / 一人公司
養 AI 員工 + 組織設計 → Conductor
點看完整路徑 →
08
財務 / Finance
發票 OCR + 月結 agent 鏈 → FP&A AI Manager
點看完整路徑 →
09
設計師
兩極化:Design Director 或 Design Engineer
點看完整路徑 →

點任一張卡片看完整三階段路徑。沒有壓力 — 知道有這條路存在就好。

今天,謝謝你

我們一起把「AI 應用規劃師」的樣子,從模糊變清晰

觀念

3A 框架(LLM → Agent → Automation)、軟體三類、Context Engineering 四層

畫面

你那一行的 AI 應用規劃師進化路徑(9 職業地圖)

技能

System Prompt 8 種寫法、T1–T5 範本、n8n 接 RAG / 工具

作品

一張 Agent Canvas + 一個能跑的 n8n 原型

課後問卷 QR Code
回到家前

花 3 分鐘給我回饋 ❤️

你的一句話,會幫我把這堂課越做越好。匿名、不公開,只有 Tim 看。

記得加入課堂 LINE 群,繼續交流。