工廠品質檢測自動化最適合哪個工具？
某紡織公司希望建立自動化品質檢測流程，既有的 AI 系統檢測到布料瑕疵時，需自動拍照存檔、發送通知給品管人員。該公司具有一定開發人力，希望快速建置此工作流程，並保有彈性調整空間，下列哪一種解決方案最適合？
某紡織公司已有 AI 系統可以偵測布料瑕疵，現在要建立自動化後續流程：偵測到瑕疵後，自動拍照存檔並發通知給品管人員。公司有一定開發人力，希望快速建置，也要保有彈性調整空間。
問你：哪一種解決方案最適合這個需求？
一句話總結
「有開發人力 + 要快速建多步驟自動化流程 + 保有彈性調整空間」，這三個條件指向 n8n 這類工作流程工具，它能視覺化拖拉組合 API，比全客製開發快，比現成軟體靈活。
先感受問題：AI 偵測到瑕疵，但後續三個動作全靠人工？
假設你在「明佳紡織」負責智慧製造專案。生產線上已經裝了 AI 視覺檢測系統，能自動辨識布料瑕疵。
但問題在後段流程：AI 判斷到瑕疵後，品管人員要手動去查系統、截圖、存到 NAS 資料夾、再發 LINE 通知給同事。這三個步驟每次都要人處理，一天要做幾十次，累且容易漏掉。
你的任務是：把「AI 偵測到瑕疵」這個事件，自動串接「拍照存檔 + 發通知」兩個後續動作，不需要人工介入。而且下個月可能要再加一個「寫進 ERP 系統」的步驟，要能彈性調整。
這種「把多個系統的動作串成自動化流程」，就是 Workflow（工作流）自動化。
沒有工作流工具，要建這個流程有多麻煩？
如果「明佳紡織」不用 n8n，要自己從頭寫程式串接，會碰到這些問題：
- 每個系統的 API 都不一樣：AI 偵測系統、NAS 存檔、LINE Notify 各有自己的 API 文件和認證方式，工程師要各別研讀和實作
- 流程調整很麻煩：加一個步驟（如新增 Email 通知）就要改程式碼、重新部署，每次調整都是一個開發週期
- 監控和除錯困難：流程失敗時不知道在哪個步驟出錯，日誌分散在各個系統
- 知識集中在一人：只有寫程式的工程師懂這套流程，他離職就沒人會改
- 開發時間長：從零開始串三個系統的 API，保守估計要兩週，達不到「快速建置」的需求
n8n 工作流怎麼解
n8n 是一個開源的工作流程自動化工具，用視覺化的拖拉介面讓你把多個服務串接起來：
節點（Node）概念：每個步驟都是一個節點，比如「當 AI 檢測 API 回傳瑕疵訊號」→「觸發拍照指令」→「儲存到 NAS」→「發 LINE 訊息」，四個節點用箭頭連起來就是一條流程。
快速建置：n8n 內建數百個服務的連接器（Connector），包含檔案系統、各種通訊軟體 API、HTTP 請求，不用自己寫連接程式，拖拉設定就能用，「明佳紡織」的流程可能幾小時就建完。
彈性調整：下個月要加「寫進 ERP 系統」，只需要在視覺介面加一個節點連上 ERP API，不用大規模改程式。而且流程圖清楚，任何有基礎程式概念的人都能看懂和修改。
n8n 有自架版（開源免費）和雲端版，公司有開發人力可以自架，掌控性更高。
這就是選項 A 講的：使用 n8n 建立工作流（Workflow），整合 AI 檢測 API、檔案系統、通訊軟體。
技術版：工作流程自動化工具在 AI 應用架構中的位置
工作流程自動化（Workflow Automation）工具是 AI 應用落地的重要「膠水層」，把各種獨立的 AI 功能和業務系統串接成完整的業務流程。
n8n 的定位：n8n 是「可程式化的工作流程自動化工具」，介於無程式碼（No-Code）工具和全客製開發之間。它提供視覺化介面，但允許工程師在節點裡寫 JavaScript，兼顧速度和靈活性。同類工具還有 Zapier（更 No-Code）、Make.com、Airflow（更工程師導向）。
為什麼 AI 應用需要工作流工具：AI 模型的輸出通常只是「判斷結果」，要讓這個結果產生業務影響，需要連接後續動作（通知、記錄、觸發其他系統）。工作流工具讓這個連接過程可視化且可維護。
選型考量：No-Code 工具（Zapier）速度最快但靈活性低；工作流工具（n8n）平衡速度和靈活性，適合有一定技術背景的團隊；全客製開發速度最慢但完全符合需求，適合高度特殊的場景。
為什麼出題者要考這題：AI 應用規劃師需要知道「AI 功能」和「業務流程自動化」之間的差別，以及如何選擇合適的工具串接兩者。n8n 代表的工作流工具是一個重要的工具類別。
為什麼其他選項是錯的
B委外開發客製化程式，完全符合公司需求規格
找外包商寫一套完全量身訂做的程式，把所有功能都做到公司要求的樣子。
題目明確說「希望快速建置」，委外開發需求討論、開發、測試、驗收，少則一個月，通常更長。而且「公司具有一定開發人力」，有能力自己建，不需要委外。再者，委外後調整流程要再找廠商，「彈性調整」大打折扣。
認為「客製化最符合需求」就是最好的選擇，沒有考慮到速度和維護彈性的人。
C採購現成的品質管理軟體，直接導入使用
買一套現成的 QC 軟體，直接拿來用，不用開發。
現成軟體通常無法跟公司「既有的 AI 系統」深度整合，尤其是要對接自定義的偵測 API。而且現成軟體的流程固定，「彈性調整空間」很低，要加新步驟通常要等廠商更新版本或付額外費用。
以為「現成軟體最省事」，但忘了題目強調要「彈性調整」以及要跟既有 AI 系統整合的人。
D使用 Excel 巨集搭配人工作業處理檢測結果
用 Excel 整理資料，搭配人工發通知、存檔。
這完全違背「自動化」的目標。「搭配人工作業」意味著每次偵測到瑕疵還是需要人手動處理，沒有解決原本的問題。而且 Excel 巨集無法即時接收 AI 系統的偵測訊號，即時性也做不到。
沒有仔細讀題目要求「自動化」的人，或者誤以為 Excel 巨集能解決 API 整合問題的人。
同個考點下次怎麼變形
Zapier 和 n8n 的主要差別是什麼？什麼時候選哪個？
兩個都是工作流程工具，感覺差不多。
Zapier 定位是 No-Code，設定極簡單但彈性低，按使用量收費；n8n 是 Low-Code，允許寫程式邏輯，更靈活，有開源自架版（免費）。技術能力強且想省錢或保有彈性就選 n8n；完全不想碰程式就選 Zapier。
「事件驅動（Event-driven）」是什麼？為什麼工廠自動化流程適合用這個概念？
事件驅動聽起來很技術，在這裡是什麼意思？
事件驅動是「有事情發生才觸發後續動作」，相對於「每隔幾秒輪詢一次」。AI 偵測到瑕疵這個「事件」立刻觸發「拍照存檔+通知」，不需要定時掃描。工廠場景需要即時回應，事件驅動架構延遲最低、資源利用最高效。
如果公司完全沒有開發人力，上述需求應該選什麼方案？
沒有工程師，n8n 就不適合了嗎？
可以考慮兩個方向：完全 No-Code 工具（Zapier、Make.com），設定介面非常友善，不需要程式知識；或採購現成整合方案（特定 AI 品質管理平台，已內建通知和存檔功能）。沒有技術人力就要犧牲一些彈性，換取不需要技術維護的便利性。
「AI 系統」和「工作流工具」在功能分工上各負責什麼？
兩個不是都在做自動化嗎？為什麼需要分開？
AI 系統負責「智慧判斷」，即分析感測資料、辨識瑕疵、給出結論。工作流工具負責「流程串接」，即把判斷結果傳遞到後續步驟、觸發通知和記錄。兩者分工讓 AI 模型專注於判斷品質，工作流邏輯可以獨立調整而不影響 AI 模型。
工作流程工具在 AI 應用規劃中屬於哪個架構層？
架構層聽起來很抽象，實際上是什麼意思？
在 AI 應用架構中，通常分三層：資料層（收集和儲存資料）、AI 模型層（訓練和推論）、應用整合層（把 AI 結果接進業務流程）。工作流工具屬於「應用整合層」，是讓 AI 能力真正影響業務的最後一哩路。
想再往下看，這 5 個
- 工作流程自動化（Workflow Automation）將多個系統動作串接成自動執行序列的技術，n8n 是此類工具的代表，適合有技術背景的團隊快速建立彈性流程
- 機器人流程自動化（Robotic Process Automation）用軟體機器人模擬人工操作重複流程的技術，與工作流程工具類似但更偏向模擬 UI 操作，是易混淆的替代方案
- 低程式碼（Low Code）結合視覺化拖拉與少量程式碼的開發模式，n8n 屬於此類，讓有技術能力的人員能快速建立可客製化的自動化流程
- 流程協調（Orchestration）跨服務、跨系統協調多步驟任務執行順序與依賴關係的機制，是工作流工具的核心能力之一
- AI 代理（AI Agent）能自主執行多步驟任務的 AI 系統，工作流程工具與 AI Agent 結合可建立更智慧的自動化流程