# 我用 N8n 和 ChatGPT 在一個週末架起了互動網頁,不會寫 code 也行

▋ 一切從「我不想學 React」開始

說實話,我一直對寫網頁有點恐懼。不是技術上的恐懼,而是心理上的——每次想到要開 VS Code、設定環境、學新框架,我就會拖延症發作。那時候我在做一個小專案,需要一個能接收表單、呼叫 API、然後即時反饋結果的簡單網頁。我跟朋友說起這事,他就問我:「你聽過 N8n 嗎?」

我那時候根本沒聽過。結果他說:「你可以用 N8n 直接架網頁,不用寫一行 HTML。」我當時真的是半信半疑,但因為時間緊張,我就試試看。

▋ N8n 的網頁功能比我想的強大太多

一開始我以為 N8n 只是一個自動化工具,就像 Zapier 那類的東西。結果登進去之後才發現,它有一個「Webhook」功能,而且搭配它內建的表單和回應模組,你根本可以把它當作一個簡單的網頁後端。

最神奇的是,你可以直接在 N8n 裡面設計一個表單介面。不用 HTML、不用 CSS,就是拖拖拉拉就能搞定。然後你設定一個 Webhook,讓你的前端(或甚至是一個靜態 HTML 檔案)去呼叫它,N8n 就能接收資料、處理邏輯、回傳結果。

我花了大概一個小時摸清楚介面,又花了兩個小時建立了第一版的工作流程。那一刻真的有點爽,因為感覺自己好像做了什麼了不起的事,但其實只是拖拖拉拉點點滑鼠。

▋ Webhook API 讓互動成為可能

Webhook 才是整個過程的關鍵。簡單講,它就是一個「回呼函式」——你在網頁上填完表單、按下送出,它會自動把資料送到 N8n 的 Webhook 端點,N8n 收到後就執行你設計好的工作流程,然後把結果吐回來給網頁。

我設定的工作流程是這樣的:網頁表單 → N8n Webhook 接收 → 做一些資料驗證 → 呼叫 ChatGPT API 生成內容 → 把結果存到資料庫 → 回傳 JSON 給前端。整個流程不超過五個步驟,N8n 裡面都有現成的模組。

這邊有個小坑。一開始我沒設定好 CORS(跨域資源共享),導致前端怎麼都無法正確連接到 Webhook。後來才弄懂說,N8n 的 Webhook 其實預設就支援 CORS,我只是設定錯了參數。花了半小時除錯,才發現是自己的前端程式碼問題。

▋ ChatGPT 和 LLM 讓網頁瞬間有了「智能」

真正的轉折點是當我把 ChatGPT 整合進來。原本我以為自己還得寫一堆邏輯來處理用戶的輸入、生成內容、格式化輸出。結果直接把 OpenAI 模組拖進 N8n,填上 API Key,設定一個 Prompt,然後把表單的資料作為輸入丟給 ChatGPT——boom,網頁瞬間變成了一個能「思考」的東西。

用戶在表單裡填入一個問題,按下送出,N8n 就把這個問題送給 ChatGPT,ChatGPT 生成答案,然後直接在網頁上顯示出來。感覺起來就像一個真正的應用,但其實背後的邏輯簡單得要死。

我試著用不同的 LLM——試過 Claude、試過 Llama(透過本機 Ollama)。每一次切換都只是改變 N8n 裡面的幾個參數而已。沒有任何重新編寫 code 的工作,就純粹是配置。這讓我有種超強的掌控感。

▋ 但現實沒有想的那麼美好

當然,過程中也碰到不少坑。首先是效能的問題。一開始每次呼叫 ChatGPT 都得等個 3-5 秒,用戶體驗其實還好,但如果有多個人同時用,N8n 的免費版就會開始卡頓。我後來升級了付費方案,情況才改善。

再來是 Webhook 的穩定性。有一次我的 Webhook 無預警地掛掉,用戶的表單資料全部沒進去。我花了一個小時才發現是 N8n 的執行紀錄滿了。後來才知道要定期清理執行歷史。

還有一個我一開始沒想到的問題是安全性。我的 Webhook URL 是公開的,任何人只要知道這個 URL,就可以隨意呼叫它、浪費我的 API 額度。我後來加了 API Key 驗證,或是用 N8n 的內建安全機制去限制來源 IP。

▋ 現在我怎麼用它

到現在為止,我已經用 N8n + ChatGPT 架了三個小專案。有一個是客戶反饋系統——用戶填表單、系統自動用 ChatGPT 分析情緒、分類問題、生成回應建議。另一個是內容產生器——用戶輸入一些關鍵詞,系統自動生成社群貼文文案。第三個是一個簡單的問答機器人,接入了知識庫。

每一個專案從概念到上線,都不超過一個週末。我也不用擔心伺服器、不用擔心部署、不用擔心擴展。N8n 本身就幫我處理了這些事。

說實話,我現在看待「寫網頁」這件事的心態完全改變了。我不再認為一定要會 JavaScript 或 React 才能做出交互式的應用。只要你理解「資料流」、「API 呼叫」、「工作流程」這些概念,N8n 就能讓你快速實踐。

▋ 給想試試看的人的建議

如果你也想玩玩看,我會建議:先從一個簡單的 Webhook 開始,不要一口氣整合太多東西。把 N8n 的基本邏輯摸清楚,理解「觸發」、「動作」、「條件」這些元素怎麼運作。然後再慢慢加入 ChatGPT、資料庫、郵件通知這些。

別被複雜的工作流程嚇到。N8n 社群其實很活躍,很多現成的模板和教學。有不懂的地方就問 Google、問 ChatGPT,或是直接在社群裡發問。我的經驗是,絕大多數的問題都有人遇過、也都有解決方案。

最後想說的是,這種「低代碼」或「無代碼」的工具其實改變了什麼是「懂技術」的定義。你不一定要會寫 code,但你要懂邏輯、懂系統思維、懂怎麼用現有的工具去組合出想要的結果。在這個 AI 滿天飛的時代,這種能力可能比傳統的編程技能更有用。

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin