演講摘要

展示如何運用 n8n 低代碼平台結合 Google Gemini AI，打造一個具備上下文記憶、場景感知的 LINE chatbot。透過Supabase 實現對話歷史管理，讓 AI 能根據使用者所在地點（如 7-11）智能推薦最適合的信用卡，實現真正的個人化金融服務。

技術架構亮點

• n8n 工作流編排**：視覺化設計複雜的對話邏輯
• Gemini AI 整合**：提供智能推薦與自然語言理解
• Supabase 記憶系統**：維持對話上下文與用戶偏好
• LINE Messaging API**：無縫的用戶體驗
• 環境變數管理**：安全的 API 金鑰處理

實戰經驗分享

1. Prompt Engineering 策略：如何設計 30 字內精準回覆的提示詞
2. 對話記憶設計：歷史對話的儲存與檢索最佳化
3. 錯誤處理機制：Webhook 失敗重試與異常狀況處理
4. 效能優化：Wait 節點的使用時機與資料庫查詢優化

技術層面

• 掌握 n8n 在 AI 應用開發中的實際運用技巧
• 學會整合多個 API 服務構建完整的對話系統
• 了解如何設計具備記憶功能的 AI Agent 架構
• 獲得 Prompt Engineering 的實戰經驗

業務價值

1. 理解如何將 AI 技術應用於金融服務場景
2. 學習低代碼平台在企業數位轉型中的角色
3. 掌握個人化推薦系統的設計思維
4. 了解對話式 AI 在客戶服務中的應用潛力

開發實務

• 獲得完整的專案架構設計參考
• 學習環境變數與安全性的最佳實踐
• 了解如何處理即時通訊平台的技術挑戰
• 掌握 AI 應用的測試與部署策略

為何現在需要這場演講

隨著生成式 AI 普及，企業急需了解如何快速將 AI 能力整合到現有業務流程中。這個專案展示了：

1. 低門檻 AI 應用開發：無需深度機器學習背景也能構建智能系統
2. 實用的商業場景：金融推薦服務具有廣泛的應用價值
3. 完整的技術棧整合：從前端到後端到 AI 的全棧解決方案
4. 可複製的架構模式：聽眾可直接應用到自己的專案中

這場演講將幫助開發者理解如何在 AI 時代快速構建有價值的應用，實現「Building the Future Together」的大會主題。