ในบทความนี้ เราจะพาเพื่อนๆ มาทำความรู้จักกับการนำ AI Node มาใช้ใน n8n เพื่อทำงานอัตโนมัติ (Automation Workflow) โดยเฉพาะการเชื่อมต่อกับบริการ Model LLM ต่างๆ ที่ช่วยทำให้ Workflow ของเราไม่เพียงแต่สามารถรันอัตโนมัติ แต่ยังมีความ “ฉลาด” กว่าเดิมมากอีกด้วย
การใช้ AI ร่วมกับ Workflow ช่วยให้เราสามารถประมวลผลเชิงลึกได้ ไม่ว่าจะเป็นการสร้างข้อความอัตโนมัติ การวิเคราะห์ข้อมูล หรือการแปลภาษา ทำให้ระบบของเราไม่เพียงแต่อัตโนมัติ แต่ยังเข้าใจความต้องการของผู้ใช้ได้มากขึ้น
สารบัญ
ลองทดสอบสร้าง AI Chatbot แบบง่ายๆ
ก่อนอื่น ให้เพื่อนๆ เริ่มจากการ สร้าง API Key สำหรับการเข้าถึงบริการ OpenAI โ (สามารถสมัคร API ได้ง่ายๆเลย ไม่ซับซ้อนเหมือนของ Google)
เราสร้าง API Key ได้ 2 ระดับคือ ระดับ User กับ Project แต่ผมแนะนำให้สร้าง API ไว้ในระดับ Project จะควบคุมได้มากกว่าครับ

หมายเหตุ : Api Key จะปรากฏมาตอนที่เราสร้างครั้งเดียว และจะไม่สามารถเข้าไปดูแบบเต็มๆ ได้อีกแล้ว (ถ้าไม่ได้ save เก็บไว้ก็ต้องมาสร้างใหม่ครับ)
ถ้าเราลองสร้าง Workflow โดยสร้างโหนดชื่อ Chat Trigger แล้วต่อกับ Basic LLM Chain โดย Plug Model เป็น Open AI Chat Model (จริงๆ จะเลือกของเจ้าไหนก็ได้)

ป.ล. ผมเลือก Model GPT 4o-mini นะครับ ราคาถูกดี
โดย Node Basic LLM Chain นี้จะทำหน้าที่รับข้อความและโต้ตอบกับผู้ใช้ได้ทันที
หากคุณลองทดสอบ Chat ดู จะพบว่า มันสามารถตอบเราได้จริงๆ ด้วยนะ แต่มันไม่มีความทรงจำอะไรเลย จำไม่ได้แม้แต่ประโยคล่าสุดที่เพิ่งคุยไปด้วยซ้ำ! 555 😆

ยกระดับการใช้งานด้วย AI Agent
หากเราต้องการ AI ที่สามารถจดจำการสนทนาก่อนหน้าได้ เราควรใช้ AI Agent Node ที่มี ระบบ Memory ที่ช่วยให้ระบบจำบทสนทนาได้
การใช้ Window Buffer Memory ที่จำข้อความก่อนหน้าได้ถึง 5 ครั้ง เพื่อให้การสนทนามีความต่อเนื่อง AI Agent จะทำหน้าที่ประมวลผลตามข้อมูลที่ได้รับอย่างยืดหยุ่น สามารถเพิ่มความฉลาดได้ด้วยการต่อเข้ากับ Tools ที่จำเป็นอีกด้วย

พอลองคุยปุ๊ป มันบอกว่า ถ้าเราใช้ Tools Agent จะต้องมีการต่อ Tools อย่างน้อย 1 อัน ถึงจะสามารถใช้ได้ ถ้าจะไม่ใช้ Tools เลย มันแนะนำให้ใช้ Conversional Agents แทน

ถ้าเราลองเปลี่ยนประเภท AI Agent เป็น Conversational Agent ก็จะสามารถคุยโดยมีความทรงจำได้แล้ว (โดยในที่นี้ไม่มีการใช้ Tools ใดๆ)

เพิ่มความสามารถของ AI ด้วย Tools
AI Agent สามารถใช้งานร่วมกับ Tools ที่จะช่วยทำให้ AI สามารถตอบสนองได้อย่างมีประสิทธิภาพ และทำงานได้ซับซ้อนมากขึ้น โดยแต่ละ Tool มีจุดเด่นที่แตกต่างกันดังนี้:
- Calculator: ช่วยให้ AI คำนวณที่ซับซ้อนได้แม่นยำยิ่งขึ้น เหมาะสำหรับการตอบคำถามเชิงตัวเลข
- SerpAPI: ใช้ค้นหาข้อมูลใหม่ๆ จาก Google ทำให้ AI ตอบคำถามที่เกี่ยวข้องกับข่าวสารปัจจุบันได้
- Wikipedia Tool: ดึงข้อมูลความรู้ทั่วไปจาก Wikipedia โดยไม่ต้องใช้ API ทำให้ใช้งานสะดวก
- Code Tool: ใช้รันโค้ด Python ซึ่งทำให้ AI รู้จักเวลาท้องถิ่นหรือตรวจสอบข้อมูลตามเงื่อนไขเฉพาะที่กำหนด
- HTTP Request Tool: ส่งและรับข้อมูลจาก API ภายนอก เพื่อเพิ่มขอบเขตการเชื่อมต่อกับแหล่งข้อมูลอื่นๆ ได้
- Vector Store Tool: เป็นเครื่องมือที่เชื่อมต่อกับฐานข้อมูลที่ออกแบบมาโดยเฉพาะเพื่อรองรับ AI ในการค้นหาข้อมูลที่มีความซับซ้อนและเชิงลึก โดย Vector Store จะจัดเก็บข้อมูลแบบ “Embedding” ซึ่งเหมาะสำหรับการจัดการข้อมูลที่มีความคล้ายคลึงกัน
- Call n8n Workflow: เรียกใช้ Workflow อื่นใน n8n ช่วยให้สามารถรวมหลาย Workflow เข้าด้วยกันและทำงานได้เป็นระบบ
ตัวอย่าง Workflow ที่ใช้ AI ร่วมกับ Tools
แต่ถ้าเราคิดว่าจะมีการใช้ Tools หรือเครื่องมือเสริม ให้กับ AI (ซึ่งดีมาก) เค้าแนะนำให้ใช้ AI Agent ประเภท Tools Agent จะดีกว่านะครับ
Calculator
ก่อนอื่น ผมต้องบอกว่า ปกติแล้ว LLM มันจะคำนวณคณิตศาสตร์แย่มาก (ถ้าไม่ได้ใช้ coding ช่วย) เช่นผมถามมันให้คำนวณเลขปกติ บางทีมันก็ถูก บางทีมันก็ผิด

ถ้าเราลองต่อ Tools เข้าไปกับ AI Agent ที่เป็น Tools Agent เช่นในทีนี้ผมลองต่อ Tools ที่ชื่อว่า Calculator เข้าไป

เจ้า AI มันก็จะสามารถใช้เครื่องคิดเลขได้

เราสามารถดูที่ Log ด้านขวาได้เลยว่ามีการเรียกใช้ Calculator แล้วจริงๆ
เรื่องการคำนวณเราก็ยังสามารถถามเป็นคำบรรยายได้เช่นกันนะ มันจะแปลงคำบรรยายของเราไปเป็นสูตรคำนวณทางคณิตศาสตร์เอง

SerpAPI (Google Search)
ผมลองต่อกับ SerpAPI (ใช้ฟรี 100 ครั้ง/เดือน) เพื่อให้มันสามารถ Search หาคำตอบจาก Google Search ได้ด้วย (สมัครง่ายมาก)

คราวนี้ลองถามเรื่องใหม่ๆ มันก็จะตอบได้แล้ว เช่น ผมถามเรื่องครูบาหมูเด้ง มันก็ตอบได้

Wikipedia
Tools อีกอันที่ดีและใช้ง่ายมาก คือ Wikipedia แค่ต่อ Tool ตัวนี้เข้าไปเราก็ได้ความรู้มหาศาลจาก Wikipedia มาเป็นเครื่องมือ ซึ่งอันนี้ไม่ต้องระบุ API อะไรเลยด้วย ใช้ง่ายมากๆ

Code Tool
เครื่องมือนี้มีความสามารถที่จะให้ AI ใช้เพื่อรัน Code ที่เรากำหนดเพื่อแก้ไขปัญหาบางอย่าง ที่ใช้บ่อยคือ Code ที่จะทำให้ AI รู้ว่าตอนนี้มันวันที่เท่าไหร่ เวลาเท่าไหร่แล้ว
ผมสามารถใช้ Code Tool แบบนี้แล้วถามมันได้

แต่ถ้า server ที่เรารัน อยู่คนละ timezone กับเรา เราอาจจะต้องระบุ timezone ใน code ให้ถูกต้อง วัน/เวลา จะได้ไม่เพี้ยน
let now = DateTime.now().setZone("Asia/Bangkok");
// ระบุ time zone เป็น "Asia/Bangkok" เพื่อให้ตรงกับเวลาท้องถิ่นของคุณ
return now.toISO();
แบบนี้ก็จะใช้ได้แล้ว

ซึ่ง Code Tool มันสามารถนำมาใช้แบบ Flexible ได้มากๆ เช่น เราอาจสร้าง Tool ที่นับอักขระในคำแบบเป๊ะๆ ออกมาช่วย AI ก็ได้
ซึ่งเราสามารถกำหนดความสามารถของมันใน Code Node ได้เต็มที่ (ผมให้ AI เขียนให้หมดเลย)

รวมถึงกำหนด Structure ของ Input ที่ต้องการได้ด้วย

พอนำไป Chat คุยกับมันดู ก็สามารถตอบได้ถูกต้องแล้วว่า “strawberry” มี r กี่ตัว 😆

ปิดบาง Node ชั่วคราว
เราสามารถ Deactivate บางโหนดได้โดยการกดปุ่ม power ที่โหนดนั้นๆ เช่น บางทีผมไม่ได้อยากให้ใช้ tool บางอัน แต่ขี้เกียจลบออก ก็ปิดเอาได้ (จะขึ้น Deactivated)

นำ Chat ไปให้คนอื่นใช้
เราสามารถนำเอา Chat ไปให้คนอื่นลองใช้งานได้ โดยเข้าไปเลือก Make Chat Publicly Available ในโหนด Chat Trigger อันแรกเลย

ทีนี้เราก็เอา URL ไปรันบน Browser ได้เลยครับ (อย่าลืม Active Workflow ด้วยนะ)
ซึ่งเราอาจตั้ง system message ดีๆ ที่โหนด Ai Agent ได้นะ มันจะได้ตอบได้ตรงใจมากขึ้น

เนี่ยมันก็จะเป็นหน้าเว็บ chat เต็มๆ เลย แค่เปิด URL ก็เล่นได้ เจ๋งมะ

ตอนต่อไป
ในตอนถัดไป เราจะมาทำความรู้จักกับเทคนิค RAG (Retrieval-Augmented Generation) ซึ่งเป็นกระบวนการที่ AI ดึงข้อมูลจากฐานข้อมูลที่เกี่ยวข้องอย่าง Vector Store Tool มาใช้ร่วมกับโมเดลการประมวลผลภาษา (LLM)
การผสานข้อมูลนี้จะช่วยให้ AI สร้างผลลัพธ์ที่มีความแม่นยำและทันสมัย โดยเราจะใช้เครื่องมืออื่นๆ ร่วมด้วยได้อีก โดยเฉพาะการ Call n8n Workflow เพื่อให้ Workflow สามารถทำงานซับซ้อนแบบอัตโนมัติอย่างเต็มรูปแบบ ซึ่งทำให้ AI Agent ของเรา ทรงพลังขั้นสุด!!
ซึ่งในบทความถัดไปเราจะใช้ความรู้จากบทความก่อนหน้านี้ เพื่อสร้าง Flow ที่ซับซ้อนต่อไปครับ ดังนั้นใครที่ยังไม่ได้อ่าน กลับไปอ่านด่วนๆ
Leave a Reply