← 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）

碳器

🌱

碳盤查

中小企業老闆

T1

📚

補習班 FAQ

純對話

T2

🍽️

餐廳菜單

RAG 知識庫

T3

👗

服飾店庫存

Sheet 讀寫

T4

🧰

建材報價

多工具

T5

📱

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] 在 [什麼情境] 下 [達到什麼目標]？

我們如何讓 [重複性高的任務] 從 [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

寫 System Prompt — 用你下午討論的情境作為角色 / 任務 / 邊界
接上 AI 模型 — Zeabur AI Hub（OpenAI 相容）
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。

恭喜結訓 🎓

今天我們一起把 AI 從「我用的工具」變成「我設計的系統」

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。

AI 不會取代人。但會用 AI 設計系統的人，會取代不會的人。

記得加入課堂 LINE 群，繼續交流。