สอนใช้ n8n EP06 : สร้าง AI Agent ให้ทำงานร่วมกันเป็นทีม (อย่างมีประสิทธิภาพ)

บทความนี้เป็นตอนต่อจาก EP05 (ที่ไม่ได้อัปเดทมานานมาก 555) ซึ่งในตอนนี้เราจะมาพูดถึงการสร้าง AI Agent ให้ทำงานร่วมกันเป็นทีม ใน n8n อย่างมีประสิทธิภาพ เพราะว่า การมี AI Agent ตัวเดียวก็เก่งในระดับนึง แต่ Workflow ของเรามันจะเจ๋งขึ้นอีกมาก ถ้าเราสร้างกองทัพ AI Agent ให้ทำงานเป็นทีม! 🤖🤖🤖

เหมาะสำหรับผู้เริ่มต้นที่อยากใช้ AI ช่วยทำงานอัตโนมัติ โดยไม่ต้องเขียนโค้ดเลย ด้วย n8n นี่แหละ!

แนะนำระบบ n8n ที่ผมใช้

ก่อนจะเข้าเนื้อหา ผมขอแนะนำระบบ n8n ที่ผมใช้ เผื่อใครอยากลอกการบ้าน 😂

ทั้งนี้เพราะการทำให้ AI Agent ประสานงานข้าม Workflow เยอะๆ แบบที่ผมกำลังจะสอนในบทความนี้ หรือแม้แต่การ Chat คุยกับมันบ่อยๆ มันจะเปลืองโควต้า Execution มาก ดังนั้น การ Self Host จึงเป็นทางเลือกที่ดีมากๆ เพราะไม่ถูกจำกัดจำนวน Executions นั่นเองครับ (ของ n8n Cloud Official จำกัดที่ 2,500 ครั้ง/เดือน)

ที่ผมบอกว่า ควรใช้ Selfhost แต่ ณ ตอนนี้ผมแทบไม่ได้ใช้ n8n บนคอมพ์ตัวเองแล้วนะครับ (มีใช้แค่งานที่จะรัน Local จริงๆ แบบใช้ GPU บนเครื่อง เช่น ต่อกับ ComfyUI อีกที) แต่เน้นไปใช้ n8n บน Cloud / Server เช่ามากกว่า ซึ่งปัจจุบัน ผมมี 2 account ดังนี้ ถ้าใครสนใจลองดูได้

n8n บน Official ของ n8n

• อันนี้ผมเน้นเอาไว้สอนนักเรียนมือใหม่ จะได้ทำอะไรได้เท่ากันเป๊ะๆ
• ข้อดีคือ
  • เริ่มต้นใช้ง่าย แถมลอง Free Trial ได้ 14 วัน
  • ถ้าอยากต่อ สามารถสมัครใช้ต่อ แล้วใช้ Code : MAX50 เพื่อลด 50% ได้ (ของผมใช้ Plan Starter : ลดจาก 20USD -> 10 USD / เดือน)
  • และสามารถเชื่อมต่อ Google/Microsoft Account ได้ง่าย คือมีปุ่ม Sign in ได้เลย
• ข้อเสีย ใช้ได้แค่ 2,500 Executions/เดือน และ 5 Active Workflows

n8n บน Hostinger (VPS)

• อันนี้ผมเอาไว้ใช้งานหลักของตัวเอง เพราะใช้แบบนี้ไม่จำกัด Executions เลย รันก็รอบก็ได้ จะมีกี่ Active Workflow ก็ได้
• ติดตั้งไม่ยาก ราคาไม่แพง แต่ Spec ดีใช้ได้ เดิมทีผมเคยใช้ Render แต่ Spec ต่ำสุดมันห่วยไป ส่วน Spec สูงขึ้นดันแพงไป ก็เลยมาจบที่ Hostinger
• ราคามีช่วง 5-24 USD ของผมใช้ Plan KVM2 ประมาณ 7USD (spec ดีกว่า render เยอะอ่ะ!)
• ถ้าสมัครผ่าน Code Refer THEPEXCEL ของผม คุณจะได้ลดเพิ่ม 20% ด้วยนะ

เอาล่ะ เรามาเข้าเนื้อหากันดีกว่า

---

🧠 AI Agent และ องค์ประกอบที่สำคัญ

AI Agent คือ Node พิเศษใน n8n ที่ช่วยให้เราสร้างผู้ช่วยอัตโนมัติ (เหมือน ChatGPT แต่ Flexible กว่า) ที่ไม่เพียงแค่ “คุยรู้เรื่อง” แต่ยังสามารถ “ลงมือทำงานแทนเรา” ได้จริง เช่น ตรวจสอบข้อมูล, ดึงข้อมูลจากระบบภายนอก, เขียนอีเมลให้, หรือแม้แต่สั่งให้ Workflow อื่นในระบบทำงานต่อได้เลย

ด้วยพลังของ AI + Automation + Memory + Tools = เราจะได้ Workflow ที่คิดเองได้ ตัดสินใจเองได้ และส่งผลลัพธ์กลับมาในรูปแบบที่ใช้งานต่อได้ทันที

ซึ่งโดยพื้นฐานแล้ว Node AI Agent จะประกอบไปด้วยองค์ประกอบนี้

Main Node : AI Agent

💬 User Prompt

• ใช้สำหรับกำหนด คำถามหรือคำสั่งที่เฉพาะเจาะจง เพื่อให้ AI ทำงานตรงประเด็น
• ให้นึกถึงเวลาเราคุยกับ ChatGPT ทุกอย่างที่เราคุยกับมันคือ User Prompt ทั้งสิ้น

🗒️ System Prompt

• เป็นการกำหนด “บทบาท (Role)” และ “กฎเกณฑ์ (Rules)” ให้ AI ทำงานได้ตามความคาดหวัง ใช้สำหรับกำหนด Context เช่น บอกว่า AI คือใคร ต้องตอบแบบไหน ห้ามทำอะไร
• ตัวนี้จะคล้ายๆ กับการตั้งค่า Custom Instruction ให้กับ Custom GPTs นั่นเอง
• ปกติเวลาเราคุยกับ ChatGPT เราจะไม่เห็น System Prompt หรอก และบางทีเป็นความลับด้วยซ้ำว่าในระบบตั้งค่าอะไรไว้

Sub-Node : Chat Model

เลือกว่าจะเอามันสมองของ AI Model เจ้าไหน รุ่นไหน มาใช้

• เลือกโมเดล AI ที่คุณต้องการ ซึ่งจริงๆ แล้ว เราสามารถเลือกใช้ Model ได้มากมาย เช่น OpenAI, Gemini, Claude, Deepseek
• หรือเลือกใช้ผ่าน OpenRouter ซึ่งจ่าย API ที่เดียว สามารถใช้ Model อะไรก็ได้
• ผมแนะนำให้ใช้ AI Model ที่ถูกที่สุดที่ยังทำงานนั้นไหว คือลองตัวถูกไปก่อน ถ้าไม่ไหว ค่อยขยับไปใช้ตัวที่เก่งขึ้น (แนวโน้มคือ AI จะเก่งขึ้น และ ถูกลงเรื่อยๆ)

Sub-Node : Memory

ให้ AI Agent จดจำการโต้ตอบก่อนหน้าได้ ตามจำนวน Context Windows ที่ระบุ ซึ่งปกติแล้ว Model AI จะไม่ได้มีการจำสิ่งที่คุยกับเราโดยอัตโนนมัติหรอก (ไม่ใช่ว่าคุยไปแล้วมันเรียนรู้ไปนะ)

ไอ้การที่เราคุยกับ AI อย่าง ChatGPT แล้วมันจำ Chat History ได้ก็เป็นเพราะ Open AI โปรแกรมใส่ Chat History ย้อนหลังเข้าไปเป็น Memory ให้เราแล้วโดยอัตโนมัตินั่นเอง แต่ใน n8n เราก็ต้องทำเอง

Sub-Node : Tools

เพิ่มความสามารถให้ AI Agent ซึ่งช่วยให้ AI Agent สามารถดำเนินการตามคำสั่งได้ มากกว่าแค่การพูดโต้ตอบ ซึ่งใน n8n มีเครื่องมือให้เลือกมากมาย เช่น:

• ดึงข้อมูลจากฐานข้อมูล เช่น Google Sheets หรือ MySQL
• ส่งอีเมล เช่น Gmail API เพื่อสร้าง Draft อีเมล
•  ดึงข้อมูลจาก API ภายนอก ด้วย HTTP Request
• จัดการปฏิทิน เช่น Google Calendar

แต่ที่เจ๋งที่สุด คือ เราสามารถเรียกใช้ Workflow อื่นของ n8n ที่เราสร้างขึ้นมาก็ได้ผ่าน tool เอนกประสงค์ที่ชื่อว่า Call n8n Workflow Tool แปลว่า เราเพิ่มความสามารถให้กับ AI ได้อีกมหาศาลเลย! 🔥

และใน n8n Version ใหม่ๆ ก็มีการเพิ่มการเรียกใช้เครื่องมือผ่าน MCP ได้ด้วย ยิ่งสะดวกมากๆ ⚙️❤️

ให้ AI คิดเอง ว่าจะกรอกค่าอะไร เวลาเรียกใช้เครื่องมือ

เวลาเราเจอช่องกรอกข้อมูลใน Tool แล้วมีรูปดาวให้กด จะเป็นการบอกว่า เราจะให้ AI ตัดสินใจเองว่าควรจะกรอกค่าอะไรลงไปใน Tool ช่องนั้น โดยอ้างอิงจาก Context ของงาน และข้อมูลจากแหล่งอื่นๆ ที่เกี่ยวข้อง

ถ้าเรากดกากบาทหลังจากกดรูปดาว เราจะพบว่าจริงๆ มันเรียกใช้ฟังก์ชันพิเศษใน n8n ที่ชื่อว่า $fromAI นั่นเอง ซึ่งถ้าเราระบุรายละเอียดเต็มที่ จะสามารถระบุ key (ชื่อ field) , description, ประเภทข้อมูล และค่า Default ได้ด้วย เช่น

{{ $fromAI('toRecipientEmail', 'Main Recipient Email', 'string', 'ThepExcel@gmail.com') }}

หลักการทำงานพื้นฐานของ Node AI Agent

คือ สมอง AI จะรับ Input จาก Node ก่อนหน้า (เช่น Chat) แล้วมาประมวลผลตามคำสั่งที่ได้รับ ซึ่งอาจมีการเรียกดูความทรงจำของ Chat ก่อนหน้าผ่าน Memory (optional) และสามารถเรียกใช้ Tool ที่เราติดตั้งให้ได้ด้วย (optional)

อย่างเช่น ถ้าผมถามว่า

อ่านข้อมูลใน Spreadsheet ที ว่าเป็นเรื่องอะไร?

มันก็จะไปเช็คความทรงจำก่อน แล้วค่อยเรียกใช้ Tools อ่านค่าใน Google Sheets แล้วพอได้ข้อมูลแล้วก็เอาให้ AI ประมวลผลก่อนตอบเรา แล้วบันทึกลง Memory จะได้จำได้ว่าเคยคุยอะไรไว้

การใช้ AI Agent ตัวเดียว ก็เก่งในระดับนึง แต่มันจะเก่งขึ้นมาก ถ้าเรามี AI Agent หลายตัวทำงานร่วมกัน!!

แนวทางการให้ AI Agent ทำงานร่วมกัน

1. เอา AI Agent หลายๆ ตัวมาทำงานต่อๆ กัน

ซึ่งแน่นอนว่า เราสามารถเอา AI Agent หลายๆ ตัวมาทำงานต่อๆ กันได้ เช่น แบบนี้ เราให้ User กรอกหัวข้อบทความที่อยากจะทำลงแบบฟอร์มก่อน แล้วส่งหัวข้อให้ Research Agent ไป Research ข้อมูลเกี่ยวกับหัวข้อที่กำหนดจาก internet (ทำแบบง่ายๆ อาจใช้ Tool SerpAPI ก็ได้) แล้วส่งข้อมูลที่ได้ไปให้ Content Creator Agent ต่อไป ซึ่งก็ใส่ Tools Google Docs ไว้ให้ เพื่อให้เขียน Content ลงไฟล์ไปเลย

วิธีนี้ค่อนข้างดีมาก กับสถานการณ์ที่เราต้องการสร้าง Workflow ที่มีขั้นตอนที่มีความแน่นอนสูง ว่าต้องทำอะไรก่อนหลังแน่ๆ

แต่ปัญหาคือ บาง Workflow เราก็อยากจะเรียกใช้ Research Agent คนเดียว หรือ เรียกใช้ Content Creator Agent คนเดียว หรือแม้แต่เรียก 2 คนแต่อยากให้เขียน content ก่อน แล้วค่อย Research เพิ่ม แบบนี้ก็ต้องมานั่ง Config ตัว Agent และ Tools ใหม่หมดเลย

2. เอา AI Agent หลายๆ ตัวทำงานประสานงานกันผ่าน Tool ที่เรียกใช้ Sub Workflow

วิธีที่ยืดหยุ่นกว่าคือ แยกการทำงานออกเป็น Sub-Workflow เพื่อแบ่งการออกแบบเป็นแบบ Modular คือเป็นส่วนๆ ที่ออกแบบมาให้ทำงานประกอบกันภายหลังง่ายขึ้น โดยทำให้ตัว AI Agent เองทำงานภายใต้ Sub Workflow เพื่อรอให้ AI Agent ตัวอื่นส่งข้อมูลหรือส่งคำสั่งมาให้ตัวเองทำงาน

🧩 องค์ประกอบหลักของวิธีการ AI Agent ประสานงานกันได้แบบยืดหยุ่นผ่าน Sub-Workflow มีดังนี้

1. Trigger: ให้ AI Agent ทำงานเมื่อถูกเรียกจาก Workflow อื่น

ใน Sub Workflow เราจะต้องเริ่มต้นด้วย Trigger Node ที่ชื่อว่า When Executed by Another Workflow เสมอ เพื่อให้ AI Agent ตัวนี้สามารถ “ถูกเรียกใช้งานจาก Workflow อื่นได้” เป็นหัวใจสำคัญของการสร้างระบบทำงานแบบ Modular เช่น AI ตัวหนึ่งสรุปข้อมูล แล้วส่งให้ AI ตัวถัดไปวิเคราะห์ต่อ และยังสามารถ Reuse Workflow ได้ง่ายกว่าการใช้แบบสายพานต่อกันไปธรรมดา

ซึ่งเราสามารถกดหนด Field ที่จะรับจาก Workflow อื่นได้หลาย Field ตามใจชอบเลย

2. Chat Model: เลือกสมองให้ AI

ตรง AI Chat Model AI Agent ต้องมี “สมอง” เพื่อใช้คิดวิเคราะห์ เราสามารถเลือก Model ที่เหมาะสมกับงาน ซึ่งเทคนิคคือ ถ้าอยากให้ตัวสมองนี้ยืดหยุ่นด้วย แนะนำให้เลือก Chat Model เป็น OpenRouter เพราะมันสามารถเลือกใช้ Model ได้หลายเจ้า ภายใต้ API เดียว

Tips : เราสามารถอ้างอิงชื่อ Model ด้วยสูตรได้นะ แปลว่า ถ้างานยากหน่อยให้ใช้ Model ฉลาดๆ ถ้างานง่าย ใช้ Model ราคาถูกได้ หรือใช้เปลี่ยนเจ้าผู้พัฒนา AI ก็ได้

3. Memory: ให้ AI จำเรื่องราวได้

อย่างที่บอกไปว่าโดยปกติแล้ว AI ไม่มีความจำ ถ้าอยากให้จำได้ เราต้องใส่ Memory ให้มัน เช่น:

• งานสั้นๆ ชั่วคราว ไม่ต้องจำถาวร : ใช้ Simple Memory
• บันทึกบริบทการสนทนาแบบถาวร เก็บลงฐานข้อมูลจริง พร้อมเรียกดูย้อนหลังได้ : ใช้ Memory พวก Database เช่น Postgres Chat Memory

Tips : เราสามารถสร้าง Memory ที่ใช้ร่วมกันระหว่างหลาย Agent ได้ด้วย เพื่อให้รู้จักกันและทำงานประสานกันได้ดีขึ้น

4. Tools: แขนขาของ AI Agent

ช่วยให้ AI Agent ไม่ได้แค่ “พูดรู้เรื่อง” แต่ยังสามารถทำงานได้ด้วย ผ่าน Tools ต่าง ๆ ใน n8n ได้หลายแบบ

• Tools ย่อย เช่น Google Sheets, HTTP Request, Gmail, Calendar, Notion ฯลฯ
• MCP Client: เป็นเครื่องมือใหม่ สามารถเชื่อมกับระบบภายนอก ผ่าน MCP Protocol ได้
• Call n8n Workflow Tool: เรียกใช้ Sub Workflow อื่นที่เราสร้างไว้ ซึ่งตัวนี้แหละที่ทรงพลังมากและเป็นตัวที่ผมเน้นในบทความนี้ 🔥

ถ้าเรา Call Workflow อื่นอีกที เราสามารถใช้ $fromAI ให้ AI สามารถคิดวิธีประสานงานกันเองได้เลย

5. Structured Output: ควบคุมผลลัพธ์ให้พร้อมใช้งานต่อ

นอกจากนี้ใน Node AI Agent เรายังสามารถเปิดการใช้งาน Structured Output เพื่อให้ AI ให้ผลลัพธ์ออกมาในรูปแบบ JSON ที่เรากำหนดไว้เท่านั้น เหมาะกับการควบคุมผลลัพธ์ให้ทำงานต่อได้แบบไม่มีปัญหา โดยการเปิดโหมด Require Specific Output Format ได้

AI จะถูกสั่งให้ตอบในรูปแบบ JSON หรือรูปแบบเฉพาะอื่น ๆ ที่เรากำหนดไว้ ทำให้การส่งต่อข้อมูลต่อใน Workflow ง่ายและแม่นยำขึ้น

ตัวอย่าง: ถ้าเราทำระบบจองคิว AI อาจส่งผลลัพธ์แบบนี้กลับมา:

{
  "status": "success",
  "appointment": {
    "date": "2025-06-01",
    "starttime": "14:00",
    "endtime": "15:00",
    "durationmins":60,
    "invitee": "max"
  }
}

ซึ่งนำไปแสดงใน UI, บันทึกใน Database หรือแจ้งผ่านอีเมลต่อได้ทันที

6. Prompt ใน Node หลัก AI Agent

อย่าลืมกำหนด User Prompt กับ System Prompt ตามความเหมาะสม โดยเฉพาะอย่าลืมบอก AI ด้วยว่าปัจจุบันคือวันที่เท่าไหร่ เวลาเท่าไหร่ เพราะ AI มันไม่รู้นะ

เราจะบอกโดยใช้สูตรนี้มาช่วยนะ

{{ $now }}

System Prompt รวมๆ ที่ควรใส่ก็ประมาณนี้

## Role & Personality
You are น้องฟ้า, personal AI assistant for พี่ระ. You are 27, cheerful and skilled in Excel, AI automation, and programming.

## General Rules
- Don’t hallucinate, It's okay to say “I don’t know.” Be honest and avoid guessing when unsure.
- Answer in Thai but keep technical terms in English
- Clarify if unsure
- now: {{ $now }}

เทคนิคอื่นๆ :

• ลองใช้ Few-shot Prompting เพื่อให้ AI เห็นตัวอย่างที่ดี ที่เราต้องการ
• แบ่งเนื้อหาเป็นหัวข้อย่อยด้วย ### หรือ Markdown
• ใช้ JSON Structure Output หรือ เพื่อคุม Output จาก AI ได้
• ใส่เวลา, timezone, role, rules ให้ละเอียดตั้งแต่แรก

7. Node ที่ต่อจาก AI เช่น Split / Action บางอย่าง / Edit Field / Aggregate [Optional]

หลังจากที่เราได้ผลลัพธ์จาก AI แล้ว บางครั้งข้อมูลที่ได้อาจยังไม่ใช่หน้าตาที่เราต้องการใช้งานทันที เราสามารถใช้ Node ต่อจาก AI เพื่อจัดการข้อมูลให้เหมาะสมกับเป้าหมายของเราได้เลย เช่น:

• 🔀 Split Out – ถ้าผลลัพธ์จาก AI หรือ Node ก่อนหน้า เป็น array หรือมีหลายชิ้นข้อมูลในหนึ่ง item เราสามารถใช้ Split Out เพื่อ “แยกข้อมูลออกมาเป็นหลาย item” ได้ ตัวอย่างเช่น เรามี array ของ stock list หรือข้อความยาวที่มีหัวข้อย่อยหลายหัวข้อ ก็สามารถใช้ Split ให้แต่ละหัวข้อกลายเป็น item แยกกันได้ทันที
• 🌐 HTTP Request – หลังจากแยก item แล้ว บางครั้งเราอาจต้องส่งข้อมูลแต่ละชิ้นไปเรียก API ภายนอก เช่น เช็กสถานะ, ดึงข้อมูลเพิ่มเติม, หรือส่งข้อความไปยังระบบอื่น
• ✍️ Edit Fields – เมื่อ API ตอบกลับมา เราอาจอยาก “เลือกเฉพาะบาง field”, “เปลี่ยนชื่อ field”, หรือ “จัดรูปแบบข้อมูลให้เหมาะสม” ก็สามารถทำตรงนี้ได้ทันที
• 📦 Aggregate – ถ้าขั้นตอนก่อนหน้าแยกข้อมูลเป็นหลาย items แต่ตอนท้ายอยากรวมกลับเป็น item เดียว ก็สามารถใช้ Aggregate รวมข้อมูลได้

โดยทั้ง 4 node นี้สามารถใช้แค่บางส่วนหรือไม่ใช้เลยก็ได้ ขึ้นอยู่กับว่า Workflow ของเราซับซ้อนขนาดไหน และต้องการ Output แบบไหนนั่นเอง

8. ลองทำให้ AI ตัวหลักเป็น Sub Workflow อีกชั้นก็ได้

จริงๆ แล้ว AI Agent ตัวหลัก ที่ทำหน้าที่เรียกใช้ AI คนอื่น ก็สามารถทำตัวเป็นลูกน้อง โดยทำงานภายใต้ Trigger ของSub Workflow อีกทีนึงก็ได้นะ แบบนี้ก็จะยืดหยุ่นขึ้นไปอีกเรื่อยๆ !!

3. ทำ Workflow ที่มีความแน่นอนสูง แต่ใช้ Sub Workflow เพื่อให้ Reuse ได้ง่าย

ถ้าเราต้องการทำ Workflow ที่มีความแน่นอนสูง ทำงานเป็นขั้นเป็นตอน แต่อยากได้ความยืดหยุ่นของการใช้ SubWorkflow เราก็สามารถเรียกใช้ Sub-Workflow ต่อกัน แบบไม่ต้องให้ AI คิดเองว่าจะสั่งงานใครก่อนหลัง โดยใช้ ใช้ Node ชื่อ Execute Sub Workflow มาช่วย โดยต่อไปเรื่อยๆ ตามขั้นตอนที่ต้องการ ก็สามารถสร้าง Flow ที่มีความแน่นอนสูงได้เช่นกัน

---

📌 สรุปส่งท้าย

AI Agent ใน n8n คือหัวใจของระบบ Automation ยุคใหม่ ที่ไม่ได้แค่รันตามเงื่อนไขที่กำหนดไว้แบบเป๊ะๆ แต่สามารถวิเคราะห์ คิด ตัดสินใจ และทำงานร่วมกับ AI ตัวอื่น ๆ ได้

• เชื่อมกับโมเดลระดับเทพผ่าน OpenRouter ได้
• ใช้ Memory ระยะยาวเพื่อให้สามารถดึง Chat History ย้อนหลังได้นานๆ (เรียกผ่าน Tools ได้)
• ใช้ Tools หลากหลาย และขยายความสามารถได้ไม่จำกัด เพราะประสานงานกับ AI Agent ตัวอื่นได้อีก
• รวมถึงจัดการ Output ได้สวยงาม นำไปใช้งานต่อได้ง่าย

🔥 เพื่อนๆ อ่านจบแล้ว ก็ลองออกแบบ Workflow ที่ AI ทำงานต่อกันแบบสายพาน หรือ คุยกันเอง ประสานงานกันแบบการใช้ผ่าน Tool Subworkflow แล้วจะรู้เลยว่า “AI Stack” มันทรงพลังแค่ไหน

ป.ล. เอาจริงๆ เวลาผมสร้าง AI Agent ใน n8n ผมก็เบียวๆ ว่าตัวเองกำลังปลุกพลังกองทัพ AI Agent อยู่แบบนี้เลย 😂

---

💬 ถ้าชอบบทความนี้ ฝากแชร์ หรือบอกเพื่อน ๆ ที่สนใจระบบ Automation และการใช้งาน AI ด้วยนะครับ

ถ้ามีคำถาม ข้อเสนอแนะ หรืออยากให้สอนเรื่องไหนเพิ่มเติม ก็คอมเมนต์ไว้ได้เลย💬

เดี๋ยวในตอนต่อไป เราจะมาเรียนรู้วิธีดึงข้อมูลจาก Node ใน Workflow ที่ซับซ้อนกันครับ