使用驗證、人工作業核准與可執行失敗處理,打造更安全的 n8n AI 工作流程
實用的 n8n 模式:以可重複方式評估 AI 產生的動作、檢查輸入與輸出、要求對高風險工具進行核准,並將失敗導向有用的復原步驟。
摘要 · TL;DR
在允許 n8n AI Agent 呼叫具實際影響的工具前,先使用固定評估集與明確的通過/失敗規則。驗證輸入與輸出,針對選定動作要求人工審核,並讓每個失敗路徑都指出下一步該怎麼做。
重點
- 將評估與即時執行分開:在啟用實際動作前,先讓固定測試案例通過工作流程。
- 在使用輸入或 AI 輸出進行後續處理前,先驗證必要輸入欄位與 AI 輸出。
- 對需要核准的特定工具使用 n8n 的人工作業審核步驟。
- 將拒絕、無效資料、逾時與工具錯誤視為不同結果,並為各結果提供明確的復原指示。
文章目錄 (7)
模式:先評估,再執行
n8n AI 工作流程不應把看似合理的模型回應視為可以執行動作的許可。更安全的設計包含兩條路徑:一條是可重複的評估路徑,用來檢查已知案例;另一條是即時路徑,用來驗證每個請求,並在選定的高影響工具呼叫前暫停,等待人員處理。
評估路徑回答的是:「這個工作流程在這些案例中是否符合我們的規則?」核准步驟回答的是:「現在是否應該執行這個特定動作?」兩者不能互相取代。人工審核單一請求,無法證明工作流程具備可重複的表現;測試集也不能授權即時刪除資料或傳送外部訊息。
以下設定是示意設計,不是經測試的工作流程匯出檔。節點名稱與可用選項可能因 n8n 版本及整合方式而異。部署前,請查閱所使用節點的文件。
建立前先定義限制與測試案例
寫下工作流程可以做什麼、絕對不能做什麼,以及什麼情況算是評估失敗。例如,一個用來撰寫支援回覆草稿的工作流程,可能有以下界線:
- 可以分類並撰寫草稿;未經核准不得傳送回覆。
- 必須從約定的清單中回傳一個類別,且草稿不可為空。
- 未提供訂單編號時,不得自行捏造訂單編號。
- 缺少必要欄位或無法解析輸出時,必須停止。
建立一個包含一般與棘手輸入的小型固定測試集。將預期結果或驗收規則與每個案例放在一起;不要只使用提示詞已能良好處理的範例。
| 測試案例 | 輸入條件 | 預期結果 |
|---|---|---|
| 完整請求 | 有效文字與參照資料 | 有效類別與草稿;不包含未受支援的事實 |
| 缺少參照資料 | 缺少必要參照資料 | 拒絕或要求澄清;不得執行工具動作 |
| 空白訊息 | 文字為空白 | 輸入驗證失敗 |
| 不明確的請求 | 訊息有多種合理解讀 | 要求澄清或轉交人員處理 |
| 要求高風險動作 | 請求暗示要傳送訊息或變更資料 | 工具執行前必須取得核准 |
| 格式錯誤的模型輸出 | 缺少欄位或 JSON 無效 | 驗證失敗;不得執行後續動作 |
事先決定必須通過多少案例,以及哪些失敗屬於發布阻斷條件。例如,可以要求所有安全邊界案例都通過,同時允許對非關鍵格式案例有一項已記錄的例外。這些是專案規則,不是 n8n 的預設行為。
分階段建立工作流程
一個實用的高階流程如下:
- 觸發與正規化: 接收請求、刪除文字前後空白,並將傳入欄位映射為一致的格式。
- 驗證輸入: 使用 IF 或 Code 節點檢查必要欄位與允許的值。將無效請求傳送到回應或審核分支,不要呼叫 agent。
- 執行 AI Agent: 清楚說明允許的行為、輸出欄位,以及資訊不足時應採取的做法。
- 驗證輸出: 檢查必要欄位是否存在、值是否在允許集合內,以及回應是否符合下一個節點預期的格式。
- 審核選定工具: 將傳送訊息、變更記錄或其他具有實際影響的工具,透過 n8n 的 Human review 步驟連接。
- 執行並記錄: 執行已核准的工具呼叫,然後記錄結果與相關案例識別碼,以便日後評估。
對結構化回應而言,應在 agent 執行後進行驗證,不要假設提示詞指示一定能保證有效結果。當傳入項目已有解析完成的 output 物件時,示意性的 Code 節點檢查可能如下:
const result = $json.output;
const allowedCategories = ['billing', 'technical', 'other'];
const valid =
result !== null &&
typeof result === 'object' &&
allowedCategories.includes(result.category) &&
typeof result.draft === 'string' &&
result.draft.trim().length > 0;
return [{
json: {
...$json,
validation: {
valid,
reason: valid ? null : 'Missing or invalid category or draft'
}
}
}];
此範例假設模型輸出已解析為指定格式。如果 agent 回傳的是字串,必須在此檢查前完成解析與解析錯誤處理。請加入符合自身限制的檢查,例如草稿長度上限或禁止欄位,並將 validation.valid 為 false 的結果導向能說明問題的分支。不要將無效輸出傳給動作節點。
為適當的動作要求核准
n8n 的 Human review 功能可讓工作流程在 AI Agent 即將使用已設定為需要審核的工具時暫停。審核者可以核准,讓工具使用 AI 指定的輸入執行;也可以拒絕,使動作取消。審核可使用 n8n Chat、Slack、Telegram、Microsoft Teams、Gmail,以及 n8n 人在迴路文件中列出的其他管道。
請選擇性地設定審核:唯讀查詢可能不需要與傳送外部訊息或修改記錄相同的關卡。提供工具名稱、建議參數,以及足夠的上下文,讓審核者能做出決定。n8n 文件記載了可用於建立審核訊息的 $tool.name 與 $tool.parameters 值;請清楚顯示建議執行的動作,不要只提出模糊的「是否核准?」
也要告訴 agent 被拒絕代表什麼。指示中應說明要回報動作未執行、避免重試相同動作,並提供安全的下一步,例如請求者澄清需求。工具呼叫遭拒是工作流程的正常結果,不應因此假裝任務已成功。
讓失敗具備可執行性
針對補救方式不同的失敗,使用不同分支或錯誤路徑。一筆有用的失敗記錄應包含案例或執行識別碼、階段、失敗類別、簡潔原因與下一步動作。除非資料處理政策允許,否則避免將敏感請求內容放入記錄。
- 輸入驗證失敗: 指出缺少或不允許的欄位;要求修正輸入。
- 輸出驗證失敗: 記錄未通過的規則;在任何動作前停止,並轉交提示詞或工作流程審核。
- 核准遭拒: 將動作標記為已取消;通知請求者並建議安全替代方案。
- 工具失敗或逾時: 回報執行結果未確認;提供重試或人工檢查途徑。不要因為 agent 請求了工具,就宣稱動作成功。
對於營運層面的失敗,請根據部署環境與相關節點設定 n8n 的錯誤處理。刻意測試失敗路徑;只處理順利路徑的工作流程,尚未準備好執行具實際影響的動作。
執行可重複的評估
將測試輸入與預期結果保存在穩定來源中,例如受控的資料表,並讓它們通過相同的驗證與 agent 階段。記錄工作流程版本、案例 ID、通過/失敗結果與失敗原因。比較期間不要中途變更測試案例;如果修改提示詞或規則,請重新執行相同集合,並另外記錄新增案例。
實用的發布檢查清單:
- 必要輸入與允許的輸出值已明確定義。
- 測試集涵蓋缺少、模糊、格式錯誤與高風險案例。
- 無效輸出無法到達動作節點。
- 高風險工具必須經過審核,且拒絕後有明確回應。
- 工具錯誤與逾時不會產生錯誤的成功訊息。
- 評估結果可以對應到工作流程版本與案例。
結論
在 n8n 中,結合固定測試案例與輸入、輸出驗證,讓 AI 行為變得可衡量;接著使用 Human review 管控選定的即時工具呼叫。明確的失敗分支能縮小「工作流程停止了」與「有人知道下一步該怎麼做」之間的差距。
常見問題
人工作業核准可以取代 n8n AI 工作流程測試嗎?
不行。核准讓人員有機會接受或拒絕特定的工具呼叫提案;固定評估集則透過可重複的案例檢查工作流程行為。當工作流程需要可預期的行為,以及對具實際影響的動作進行監督時,應同時使用兩者。
n8n 可以只要求部分 AI Agent 工具取得核准嗎?
可以。n8n 說明了可對連接至 AI Agent 的所有工具,或選定的個別工具使用人工作業審核,讓高風險動作能接受更聚焦的審核。
審核者拒絕工具呼叫時應該發生什麼事?
該動作應維持取消狀態。請將 agent 設定為說明動作未執行,不要將其呈現為已完成,並提供安全替代方案或要求澄清。
如何測試格式錯誤的 AI 輸出?
加入一個必要欄位缺失或無法解析回應的案例。將解析與結構驗證失敗導離動作節點,記錄未通過的規則,並確認沒有工具執行。
相關文章
指南
建立 n8n 客服分流工作流程,加入人工核准
了解如何建立 n8n 客服分流工作流程:使用相容於 OpenAI 的 API 草擬建議,再由人工審核決定是否回覆或升級處理。
指南
建立具備人工核准與測試驗證的 n8n 程式碼變更工作流程
設計 n8n 工作流程,提出程式碼儲存庫變更、請人工核准寫入,並以測試驗證產生的提交。
指南
使用人工核准與 OpenAI 相容 API 建立 n8n 文件問答工作流程
實用的 n8n 設計指南:打造具備來源標註、選擇性人工核准功能,並視相容情況連接 OneMux OpenAI 風格模型端點的文件問答流程。
指南
使用 OpenAI-Compatible API 與 JSON Schema 驗證建立 n8n 人工核准工作流程
建立 n8n 工作流程,透過 OpenAI-Compatible API 擷取結構化資料,依 JSON Schema 驗證結果,並在人工作業核准後才執行敏感工具。