思維外掛｜聰明省下 AI 費🧠！用 n8n 把工作生活雜事全自動化｜獨自升級 #生活打卡計畫小穎同學🤖AI學習中追蹤 一開始我犯的錯 最早我設計系統時，是這樣： Telegram ↓ AI分類 ↓ 記錄 看起來很合理。 但很快就遇到兩個問題： 問題一 AI 成本會一直增加。 如果每天很多訊息： 每一條都要跑 AI API 成本就會慢慢上升。 問題二 AI 有時會亂判。 例如一句： Render webhook 又怪了 AI 有時會判： 任務 筆記 或其他類型 這其實很難控制。 所以我改成另一種架構 後來我改成這個： Rule-based router ↓ AI fallback 意思是： 90% 情況 用規則判斷。 例如： t 開頭 → 任務 n 開頭 → 經驗 m 開頭 → 會議 完全不用 AI。 只有模糊內容 才會進 AI。 例如： a Render webhook 又怪了 這時才會讓 AI 判斷。 好處一：省錢 AI 使用量大幅下降。 如果每天 50 條訊息： 以前：50 次 AI 現在：可能只有 5 次 成本差很多。 好處二：可控 因為分類邏輯主要是： rule 而不是 AI 猜。 系統更穩定。 好處三：更像一個系統 整個流程變成： Telegram ↓ Prefix classifier ↓ AI fallback ↓ JSON parser ↓ Reply template --- 今天還遇到一個 bug 今天 debug 的時候還遇到一個問題。 AI node 會把 Telegram 的 chat_id 洗掉。 結果 bot 無法回訊息。 最後我用一個 context preservation node 解決。 --- 核心邏輯很簡單： 先用前綴快速分類， 真的忙到沒空排版時，再丟給 a AI 去判斷回報。 其他沒有前綴的 不進AI 觸發 Reply Fallback 節點，回傳這段罐頭訊息： 😀[MBAN]😀 我暫時無法判斷這則訊息要怎麼分類，先留在 inbox_log。 因為我的 to do 常常包含大量工作資訊跟細節， 其實根本沒必要讓 AI 全部讀完， 只為了幫我貼個「工作相關」的標籤。 只要在前面用 classifier (rule base) 設定好規則， 第一線直接攔截分類就搞定了。 實際操作下來，順手打個前綴很快， 使用習慣上也不會太有摩擦。n8n科技生活打卡計畫
